Betonarme kolonların deprem sonrası hasar seviyelerinin akıllı sistem tabanlı bir yöntemle belirlenmesi
Determination of damage levels of reinforced concrete columns with a smart system oriented method
- Tez No: 519774
- Danışmanlar: PROF. DR. MUSA HAKAN ARSLAN, DR. ÖĞR. ÜYESİ ÖMER KAAN BAYKAN
- Tez Türü: Doktora
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapı Bilim Dalı
- Sayfa Sayısı: 146
Özet
Betonarme bir binada betonarme kolonların deprem sonrası hasarı yapının global performansının en önemli göstergesidir. Türkiye gibi aktif deprem kuşağında bulunan ülkelerde depremlerden hemen sonra betonarme binalarda oluşacak hasarın belirli bir doğrulukta ve hızlı olarak belirlenebilmesi ise son derece önemlidir. Bu tez çalışmasında deprem sonrasında hasar görmüş betonarme kolon elemanların hasar seviyesinin, kolon yüzeyinde oluşan hasar görüntüsüne bağlı olarak belirlemek amacıyla hızlı, ekonomik ve doğruluk oranı tatmin edici bir yöntem geliştirilmiştir. Çalışmada Türk yapı stokunu temsil etmesi amacıyla Türk Deprem Yönetmeliği 2007 (TDY-2007)'ye ve Türkiye Bina Deprem Yönetmeliği 2018 (TBDY-2018)'e uygun olan ve özellikle 2000 yılı öncesi yapılmış mevcut yapı stokunu temsil etmesi açısından değişik parametreler açısından uygun olmayan betonarme kolonlar üretilmiştir. 1/1 ölçekte kare kesitli olarak toplam 12 adet üretilen betonarme kolonlar Selçuk Üniversitesi Yapı ve Deprem Laboratuvarında depreme benzeştirilen tersinir tekrarlı yük ve sabit eksenel yük altında test edilmiştir. Her bir çevrim için kolonların belirlenen bölgelerinden alınan yüzey görüntüleri ile deney sırasında kolon üzerinde ölçülen yük-deplasman değerlerine bağlı olarak TDY-2007 ve TBDY-2018'de belirtilen hasar seviyeleri eşleştirilerek veri seti oluşturulmuştur. Deneysel çalışma sonucunda her bir yük ve deplasman seviyesi için sınıflandırılmış 390 adet hasar görüntüsü elde edilmiştir. Hasar görüntüleri üzerinde MATLAB programı kullanılarak görüntü işleme uygulaması yapılmış ve kolon yüzeyinde oluşan çatlaklar ayrıştırılmıştır. Görüntülerdeki çatlaklara ait özellik çıkarma işlemi ile kolon üzerinden oluşan hasar miktarını temsil etmesi amacıyla toplam çatlak alanı, toplam çatlak uzunluğu, en büyük çatlak uzunluğu ve en büyük çatlak genişliği gibi parametreler elde edilmiştir. Çatlaklara ait özellikler makine öğrenmesi sınıflandırıcıları olan Destek Vektör Makinaları (SVM), Karar Ağaçları (DecisionTrees), K- En Yakın Komşuluk (KNN), Ayırma Analizi (Discriminant Analysis), Topluluk Metodu (Ensemble) algoritmaları ile sınıflandırılmış ve kolonlar için hasar bölgeleri tahmini yapılmıştır. Sınıflandırıcılardan elde edilen tahmin başarısı %64-%80 oranı arasında değişmektedir. Çalışmada ayrıca Yapay Sinir Ağları (YSA) kullanılarak da tahmin işlemleri gerçekleştirilmiş ve YSA'nın diğer sınıflandırıcılara göre başarı oranlarının daha düşük olduğu görülmüştür. Çalışmadan elde edilen bulgularla kolon yüzeylerinden belirli bir sistematik ile (kolona olan mesafe, görüntü çözünürlük değeri, ortam ışık miktarı vs.) alınan hasar görüntülerinin kolon hasarı konusunda tatmin edici seviyede doğru bilgi verebileceği görülmüştür. Bu tez çalışması ile önerilen akıllı sistemin özelde Türkiye'deki yapı stoku için kullanılabilir olduğu ve önerilen yöntemin gelişime açık ve kolon hasarlarının belirlenmesinde mevcut konvansiyonel sistemlere iyi bir alternatif olacağı görülmüştür.
Özet (Çeviri)
Damage in the reinforced concrete columns in a reinforced concrete building after an earthquake is the most important indicator of the global performance shown by the building. In earthquake-prone countries, like Turkey, it is essential to determine the damage in reinforced concrete buildings properly and rapidly soon after an earthquake. In this thesis study, a quick and an affordable method with a satisfactory accuracy rate was developed to specify the damage level of the related reinforced concrete columns depending on the image of damage on the column surface. As part of the study, reinforced concrete columns which comply with Turkish Earthquake Code 2007 (TEC 2007) and Turkish Building Earthquake Code 2018 (TBEC- 2018) and which represent especially the building stock before 2000 and do not accord with various parameters were produced to represent the Turkish building stock. 12 square reinforced concrete columns of 1/1 scale were produced and tested under earthquake-resemble reversible cyclic load and fixed axial load at Structure and Earthquake Laboratory of Selcuk University. A data set was formed by matching the damage levels mentioned in TEC 2007 and TBEC- 2018 depending on the surface appearances of the columns obtained from the parts of the columns determined for each cycle, and load displacement values of the column measured during the test. 390 damage images that were classified for each load and displacement value were attained from the experimental study. Damage images were subjected to image processing, using MATLAB, and the cracks which formed on the surface of column were separated. The parameters such as total area of crack, total length of crack, the maximum length of crack and the maximum width of crack were obtained through feature extraction process applied to crack images in order to reflect the quantity of cracks on the column. Features of the cracks were classified with Support Vector Machines (SVM), K-Nearest Neighbor (KNN), Discriminant Analysis and Ensemble algorithms which are the classifiers of machine learning. Areas of damage were estimated for the columns. Estimation success obtained from the classifiers varies between 64% and 80%. Furthermore, Artificial Neural Networks (ANN) was used for estimation processes. It was seen that success rates of ANN are lower than those of the other classifiers. It was understood with the findings attained from the vii study that the damage images taken from the surface of the columns through a definite systematic process (distance to columns, resolution value of the image, quantity of light in the environment etc.) can provide correct and satisfactory information about the column damage by using smart systems. This thesis study suggests that smart system can be used for Turkish building stock and that the recommended method is open for improvement and can be a good alternative to existing conventional systems for determination of column damages.
Benzer Tezler
- Mevcut betonarme bir binanın TBDY-2018' e göre deprem performansının incelenmesi ve güçlendirilmesi
Investigation of seismic performance and strengthening of an existing reinforced concrete building according to TBEC-2018
KOÇALİ KARAL
Yüksek Lisans
Türkçe
2021
İnşaat MühendisliğiManisa Celal Bayar Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. RECEP TUĞRUL ERDEM
- Ayarlı sıvı sönümleyicilerin betonarme binaların deprem performansına etkisinin incelenmesi
Investigation of the effect of tuned liquid dampers on earthquake performance of reinforced concrete buildings
BİRKAN DAĞ
Yüksek Lisans
Türkçe
2022
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA GENÇOĞLU
DR. ÖĞR. ÜYESİ MUZAFFER BÖREKÇİ
- Mevcut betonarme yapıların deprem performanslarının belirlenmesi ve viskoz akışkanlı sönümleyiciler ile güçlendirilmesi için artımsal analize dayalı bir algoritma
An algorithm based on incremental analysis to evaluate performance and retrofit with viscous dampers of existing reinforced conrete structures
YAVUZ DURGUN
Doktora
Türkçe
2013
Deprem Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ERKAN ÖZER
- Assessment of seismic performance of RC members after fire exposure through large-scale testing
Betonarme yapı elemanlarının yangın sonrası deprem performanslarının geniş ölçekli deneylerle belirlenmesi
UĞUR DEMİR
Doktora
İngilizce
2020
Deprem Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ALPER İLKİ
PROF. DR. MARK F. GREEN
- Geri dönüşümlü agregadan üretilmiş tam ölçekli kolonların yangın etkisi altındaki deprem performansı
Seismic performance of full-scale fire-exposed reinforced concrete columns produced by recycled concrete aggregate
GÖKTUĞ ÜNAL
Yüksek Lisans
Türkçe
2018
Deprem Mühendisliğiİstanbul Teknik ÜniversitesiDeprem Mühendisliği Ana Bilim Dalı
PROF. DR. ALPER İLKİ