Geri Dön

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

  1. Tez No: 589590
  2. Yazar: GÖKHAN ÇİPER
  3. Danışmanlar: PROF. DR. MUSA HAKAN ARSLAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Konya Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2000

    İnşaat MühendisliğiKaradeniz Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF.DR. AHMET DURMUŞ

  2. Köprülü kavşaklarda zemin iyileştirme ve iksa uygulamaları

    Soil improvement and shoring applications in bridge junctions

    GÖRKEM ABBASOĞULLARI

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    İnşaat MühendisliğiKocaeli Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. UTKAN MUTMAN

  3. T.C.K.'da köprülü kavşaklarda klotoid uygulaması

    Başlık çevirisi yok

    GÜROL MARZİOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    1988

    İnşaat MühendisliğiKaradeniz Teknik Üniversitesi

    Jeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı

    PROF. DR. MUZAFFER ŞERBETÇİ

  4. Ankara çevre otoyolunun bitkisel düzenlemesi tamamlanmış bölümlerindeki başarının belirlenmesi üzerine bir araştırma

    Başlık çevirisi yok

    KADER ÖZEN

    Yüksek Lisans

    Türkçe

    Türkçe

    1997

    Peyzaj MimarlığıAnkara Üniversitesi

    Peyzaj Mimarlığı Ana Bilim Dalı

    PROF. DR. METİN BAŞAL