Yapılarda kullanılan betonun basınç dayanımı deney sonuçlarının makine öğrenme teknikleri ile tahmin edilmesi
Prediction of compressive strength experiment results of concrete used in buildings using machine learning techniques
- Tez No: 712701
- Danışmanlar: DR. ÖĞR. ÜYESİ AHMET ŞENPINAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, İnşaat Mühendisliği, Computer Engineering and Computer Science and Control, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Ekobilişim Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 46
Özet
Beton basınç dayanımının ölçülmesi yapı dayanıklılığı hakkında bilgi veren için çok önemli bir işlem olarak inşaat sektöründe yer almaktadır. Beton basınç dayanımı deneylerinin yapılması bir dizi işlem ve uygun adımlar gerektirmektedir. Deney aşamalarında en önemli unsur alınan beton numunelerinde gerekli olan bileşenlerin gerekli oranda eklenmesidir. Ayrıca en iyi beton basınç dayanımını elde etmek için deneylerin belirli bir süre zarfında yapılması gerekmektedir. Ayrıca, bu deneyleri gerçekleştirilmesi için ciddi bir maliyete ve alanında uzman kişilere ihtiyaç duyulmaktadır. Buna rağmen, iş yükü yoğunluğundan dolayı basınç deney sonuçlarının alınmasında ve kaydedilmesinde yanlışlıklar olabilmektedir. 1990 yılların başından beri yapay zekâ algoritmaları otomatik sınıflandırma ve regresyon problemlerinde aktif olarak kullanılmaya başlanmıştır. Zaman ilerledikçe veri tipleri ve boyutları ile birlikte yapay zekâ algoritmaları geliştirilmiş ve nesne tanıma, doğal dil işleme, ses, görüntü ve video sınıflandırma görevlerinde bu algoritmalar karar destekleyici olarak büyük başarı sağlamıştır. Güvenlik, enerji, metalürji ve tıp gibi birçok alanda kullanılan yapay zekâ algoritmaları inşaat mühendisliği alanında da sıkça kullanılmıştır. Bu tez çalışmasında modern yapay zekâ algoritmaları (makine öğrenmesi) ile basınç dayanımı tahminleri gerçekleştirilmiştir. Bu algoritmaları uygulamak için 1030 kez yapılan kapsamlı bir deney veri seti kullanılmıştır. Bu deney 8 farklı beton bileşenin karışım oranlarına göre beton basınç dayanım sonuçlarını içermektedir. Makine öğrenmesi algoritmaları uygulanmadan önce keşifsel veri analizi yapılmış ve bileşenlerin beton basınç dayanımı üzerindeki etkisi incelenmiştir. Daha sonra 9 farklı makine öğrenmesi algoritması ile beton basınç dayanımı tahminleri yapılmıştır. Gradyan Artırma algoritması ile en iyi ve güvenilir bir tahmin sonucu elde edilmiştir.
Özet (Çeviri)
Measuring concrete compressive strength takes place in the construction industry as a very important process for giving information about the durability of the structure. Performing concrete compressive strength tests requires a series of processes and appropriate steps. The most important element in the test stages is the addition of the necessary components in the concrete samples taken at the required rate. In addition, in order to obtain the best concrete compressive strength, the tests must be carried out within a certain period of time. In addition, a serious cost and experts in the field are needed to carry out these experiments. However, inaccuracies in obtaining and recording pressure test results may occur due to the workload intensity. Since the early 1990s, artificial intelligence algorithms have been actively used in automatic classification and regression problems. As time progresses, artificial intelligence algorithms with data types and sizes have been developed and these algorithms have achieved great success as decision supporters in object recognition, natural language processing, audio, image and video classification tasks. Artificial intelligence algorithms, which are used in many fields such as security, energy, metallurgy and medicine, have also been frequently used in the field of civil engineering.. In this thesis study, compressive strength estimations were made with modern artificial intelligence algorithms (machine learning). An extensive experimental dataset of 1030 times was used to implement these algorithms. This test includes concrete compressive strength results according to the mixing ratios of 8 different concrete components. Before applying the machine learning algorithms, exploratory data analysis was made and the effect of the components on the concrete compressive strength was examined. Then, concrete compressive strength estimates were made with 9 different machine learning algorithms. A best and reliable estimation result was obtained with the Gradient Boosting algorithm.
Benzer Tezler
- Geopolimer betonun yangın dayanımının makine öğrenmesi algoritmaları kullanılarak modellenmesi
Modelling the fire resistance of geopolymer concrete via machine learning algorithms
MUHAMMED KAYA
Yüksek Lisans
Türkçe
2023
İnşaat MühendisliğiIğdır Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET EMİN KURTOĞLU
DR. ÖĞR. ÜYESİ NECİP ALTAY EREN
- Seismic retrofit of RC columns with sprayed basalt mesh reinforced grc: Effects of stirrup spacing
Betonarme kolonların bazalt hasır donatılı püskürtme GRC ile depreme karşı güçlnedirilmesi: Etriye aralığının etkisi
AMİN NASRINPOUR
Yüksek Lisans
İngilizce
2014
Deprem Mühendisliğiİstanbul Teknik ÜniversitesiDeprem Mühendisliği Ana Bilim Dalı
PROF. DR. ALPER İLKİ
- Seismic capacity of masonry arches optimally strengthened with fibre-reinforced polymer: Experimental and numerical investigation
Lif takviyeli polimer ile optimum olarak güçlendirilen yığma kemerlerin sismik kapasitesi: Deneysel ve sayısal araştırma
İSMAİL HAKKI TARHAN
Doktora
İngilizce
2022
İnşaat MühendisliğiAtatürk Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. HABİB UYSAL
PROF. DR. PAULO BARBOSA LOURENCO
- Betonarme elemanların yön değiştiren tekrarlı yükler altında doğrusal olmayan davranışı
The Nonlinear behavior of reinforced concrete members subjected to reversed cyclic loads
ALPER İLKİ
- Estimation of in-situ concrete strength using drilling resistance method and machine learning
Sertleşmiş betonun basınç dayanımının delme direnci yöntemi ve yapay öğrenme yöntemleri ile tahmini
SERKAN KARATOSUN
Yüksek Lisans
İngilizce
2021
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. OĞUZ GÜNEŞ