Köprülü kavşaklarda betonarme inşaat maliyeti ve etkin yapısal parametrelerin akıllı bir sistem ile tahmin edilmesi
Estimation of reinforced concrete construction costs and effective structural parameters with a smart system at bridge interchange
- Tez No: 589590
- Danışmanlar: PROF. DR. MUSA HAKAN ARSLAN
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 105
Özet
Bu çalışmada, 50 adet köprülü kavşak projesi incelenmiştir. Alt geçit yapı uzunluğu (m), kapalı kesit alanı (m2), fore kazık (m3), sanat yapıları (m3), prekast cephe paneli (m), ön germeli prefabrik kiriş (m3) ve birim fiyat esaslı yaklaşık maliyetler hesap edilmiş, veri tabloları oluşturulmuş ve Orange programına girdi-çıktı verisi olarak tanımlanmıştır. Köprülü kavşak projelerinin betonarme inşaat maliyetlerini tahmin etmek amacıyla yapay zekanın bir parçası olan makine öğrenmesi algoritmalarından karar ağaçları (tree), destek vektörü makineleri (SVM), olasılıksal dereceli azalma (SGD), rastgele orman (RF) ve yapay sinir ağlarından (YSA) yararlanılarak öğrenme ve test işlemleri gerçekleştirilmiştir. Girdi parametrelerinin köprülü kavşak betonarme inşaat maliyetine etkisi irdelenmiş ve maliyet tahminlemesi yapılmıştır. Bahse konu algoritmalar ile elde edilen sonuçlar birbiri ile kıyaslanmış ve yapay sinir ağları yönteminin performansı ortaya konulmuştur.
Özet (Çeviri)
In this study, 50 bridged intersection projects were examined. Length of underpass structure (m), closed section area (m2), bored pile (m3), engineering structures (m3), precast facade panel (m), pre-tensioned prefabricated beam (m3) and approximate costs based on unit price were calculated, data tables were created and defined as input-output data to Orange program. Decision trees (Tree), support vector machines (SVM), stochastic gradient descent (SGD), random forest (RF) and neural network (YSA) from machine learning algorithms, which are part of artificial intelligence, in order to estimate the concrete construction costs of bridge junction projects and learning and test procedures. The effect of input parameters on the cost of bridged intersection reinforced concrete construction is examined and cost estimation is performed. The results of these algorithms were compared with each other and the performance of artificial neural network method was demonstrated.
Benzer Tezler
- Deprem bölgelerindeki betonarme istinat duvarlarının analitik ve sayısal yöntemleri kullanan bilgisayar yardımıyla projelendirilmesi
Computer aided design of reinforced concrete retaining walls in earthguake zones by using analytical and finite element methods
ŞENOL GÜRSOY
Yüksek Lisans
Türkçe
2000
İnşaat MühendisliğiKaradeniz Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF.DR. AHMET DURMUŞ
- Köprülü kavşaklarda zemin iyileştirme ve iksa uygulamaları
Soil improvement and shoring applications in bridge junctions
GÖRKEM ABBASOĞULLARI
Yüksek Lisans
Türkçe
2019
İnşaat MühendisliğiKocaeli Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. UTKAN MUTMAN
- Kent içi köprülü kavşaklarda peyzaj düzenleme prensipleri ve İzmir köprülü kavşaklarının bu yaklaşımla değerlendirilmesi (2 cilt)
Başlık çevirisi yok
AYŞEGÜL GEDİZMEN
- T.C.K.'da köprülü kavşaklarda klotoid uygulaması
Başlık çevirisi yok
GÜROL MARZİOĞLU
Yüksek Lisans
Türkçe
1988
İnşaat MühendisliğiKaradeniz Teknik ÜniversitesiJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
PROF. DR. MUZAFFER ŞERBETÇİ
- Ankara çevre otoyolunun bitkisel düzenlemesi tamamlanmış bölümlerindeki başarının belirlenmesi üzerine bir araştırma
Başlık çevirisi yok
KADER ÖZEN
Yüksek Lisans
Türkçe
1997
Peyzaj MimarlığıAnkara ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
PROF. DR. METİN BAŞAL