Yapay sinir ağları ile mevcut yapıların deprem riski açısından durum tespiti
The determining earthquake risk status of existing buildings with neural network
- Tez No: 304715
- Danışmanlar: DOÇ. DR. NACİ ÇAĞLAR
- Tez Türü: Doktora
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Deprem tehlikesi, Performans değerlendirme, Yapay zeka, Earthquake hazard, Performance evaluation, Artificial intelligence
- Yıl: 2011
- Dil: Türkçe
- Üniversite: Sakarya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapı Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Topraklarının %95 i deprem bölgesi olan ülkemizde meydana gelen depremlerde yoğun yapı hasarı ve can kayıpları oluşmaktadır. Bu olumsuzluklardan kurtulabilmek için mevcut yapı stokumuzun depreme karşı durumunun belirlenmesi ve güvenli hale getirilmesi kaçınılmaz bir zorunluluktur. Mevcut yapı stokunun ayrıntılı bir şekilde incelenmesi uzun zaman almaktadır. Ayrıca, birçok binanın projelerin mevcut olmaması ayrıntılı incelemenin yapılabilmesini zorlaştırmaktadır. Bu gibi nedenlerden ve yapı stokumuzun büyüklüğünden dolayı ülkemizde son zamanlarda hızlı değerlendirme yöntemlerinin önemi artmış ve bu konuda yapılan çalışmalar hız kazanmıştır.Ülkemizde uygulanan birçok hızlı değerlendirme yöntemi bulunmakta ve bu yöntemler, uygulama ve değerlendirme aşamasında önemli tecrübe birikimine gereksinim duymaktadır. Bu tez çalışmasında, mevcut binaların deprem güvenliklerinin belirlenmesinde daha hızlı, daha basit ve güvenilir alternatif bir yöntemin geliştirilmesi amaçlanmıştır. Bu amaçla, son yıllarda birçok alanda yaygın olarak kullanılan yapay sinir ağları (YSA) yaklaşımı ile YSA tabanlı bir model önerilmiş ve bu modelin güvenilirliği mevcut yöntemlerle kontrol edilmiştir.P25 hızlı değerlendirme yöntemi kullanılarak deprem performansları belirlenen örnek bina modellerinden, YSA modelinin eğitim ve test seti oluşturulmuştur. Eğitilen YSA modelinin doğrulanması, 2003 Bingöl depremine maruz kalmış gerçek binalardan oluşturulan referans seti ile yapılmıştır.Mevcut binaların bazı durumlarda içine girerek tespit yapılması mümkün olamamaktadır. Bu nedenle sokaktan gözlem yoluyla binalardan elde edilebilecek veriler ışığında mevcut binaların performanslarının değerlendirilmesi gerekebilmektedir. Bu amaçla, iki farklı YSA modeli önerilmiştir. Önerilen YSA tabanlı performans değerlendirme modelleri, sokaktan tarama ile elde edilen girdi bilgileri kullanılarak eğitilmiş, test edilmiş ve referans binaları ile doğrulanmıştır.Çalışmadan elde edilen sonuçlar incelendiğinde, YSA tabanlı performans değerlendirme modellerinin hızlı ve güvenilir sonuçlar verdiği ve binaların deprem performanslarının belirlenmesinde alternatif bir metot olarak kullanılabileceği gösterilmiştir.
Özet (Çeviri)
Turkey, with 95% of its land in seismic active zone has faced earthquakes that results in serious damages and casualties. It is an inevitable necessity to determine the earthquake risk status and secure of existing reinforced concrete building. Detailed analysis of existing RC buildings is time consuming. The fact that the importance of rapid assessment methods has increased in our country depends on the reasons mentioned above and the size of our building stock.There are many rapid assessment method applied in our country and these methods call for a great deal of experience in both application and assessment stage. This thesis aims to develop faster, more simple and alternative method that helps us determine the earthquake safety of existing buildings. For this purpose, ANN-based model was proposed with neural networks (ANN) approach, widely used in many areas in recent years and the reliability of this model has been checked by existing methods.ANN model's training and test sets have been established with the sample of buildings models that determined the seismic performance by using P25 rapid assessment method. Verification of the ANN model were made with a reference set of existing buildings have been exposed to 2003 Bingol earthquake.In some cases, to determine by entering into the existing buildings seems impossible. Therefore, the performance evaluation of existing buildings may be required with the data of buildings, which can be determined with street observation. For this purpose, two different ANN model is proposed. The proposed ANN based performance evaluation models are trained, tested and confirmed thanks to the reference buildings and the input data obtained through scanning the street.In conclusion, it points out the fact that ANN based performance assessment model presents fast and reliable results and can be used as an alternative method in determining the seismic performance of buildings.
Benzer Tezler
- Mevcut betonarme yapıların planda düzensizlik durumlarının derin öğrenme ile belirlenmesi için bir model önerisi
A model proposal for determi̇ni̇ng plan irregulari̇ti̇es i̇n exi̇sti̇ng rei̇nforced concrete structures usi̇ng deep learni̇ng
RABİA SAFA ÖZEN
Doktora
Türkçe
2026
MimarlıkKonya Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. SERRA ZERRİN KORKMAZ
- Betonarme binalarda hızlı risk analizinin makine öğrenme teknikleri ile geliştirilmesi
Improvement of rapid risk analysis in reinforced concrete buildings with machine learning techniques
MUHAMMED VEYSİ GÜLER
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED EMRE ÇOLAK
- Betonarme binaların Türkiye Bina Deprem Yönetmeliği 2018 ve riskli yapıların tespiti analizlerinin hızlı görsel inceleme metotları ile karşılaştırılması ve yapay sinir ağları yöntemi ile model geliştirilmesi
Comparison of reinforced concrete building analyses in accordance with the Turksih Building Earthquake Code 2018 and the risky building assesment using rapid visual screening methods and artificial neural network model development
MELİKE GÜNGÖR YÜCEKAYA
Doktora
Türkçe
2025
İnşaat MühendisliğiZonguldak Bülent Ecevit Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MEMDUH KARALAR
DR. ÖĞR. ÜYESİ NECATİ MERT
- Betonarme yapıların bölgesel risk önceliklerinin hibrit bir yapay zeka modeli ile sınıflandırılması
Classification of regional risk priorities of reinforced concrete structures with a hybrid artificial intelligence model
ÖZGE YAYLA
Yüksek Lisans
Türkçe
2024
İnşaat MühendisliğiBitlis Eren Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ERCAN IŞIK
DR. ÖĞR. ÜYESİ MEHMET AKİF BÜLBÜL
- Betonarme konut yapıların deprem performanslarının yapay sinir ağları hızlı değerlendirme yöntemi ile tahmin edilmesi
Estimation of earthquake performances of reinforced concrete residential buildings by artificial neural network rapid assesment method
ERAY ÖZKAN
Doktora
Türkçe
2019
İnşaat MühendisliğiManisa Celal Bayar Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ DEMİR
DOÇ. DR. MUSTAFA ERKAN TURAN