Tekil temel optimum tasarımı için makine öğrenmesi tabanlı tahmin modeli
Machine learning based optimum design estimation model of reinforced concrete footing
- Tez No: 733307
- Danışmanlar: PROF. DR. GEBRAİL BEKDAŞ
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: İnşaat Mühendisliği Bilim Dalı
- Sayfa Sayısı: 123
Özet
Yapı dinamik ve statik yükler altındayken, üzerinde bulunduğu zeminde üniform olmayan oturmaların oluşma riskinin bulunmadığı alanlarda tasarlanması daha uygun olan; planda farklı geometrilerde bulunabilen kolon altlarına tek bir kolon için teşkil edilen tekil temellerin yapısal tasarımında göz önüne alınması gereken birçok faktör bulunmaktadır. Tekil temel tasarımında, zemin özellikleri ile yapısal etkiler göz önünde bulundurularak; güvenlik, maliyet ve kaynakların optimum kullanıldığı bir tasarım yapmak gereklidir. Bu çalışmada, tekil temellerin maliyet optimizasyonu, bir metasezgisel algoritma olan Jaya algoritması ile gerçekleştirilmiştir. Öncelikle tekil temel hesabında kullanılan formüller sentezlenerek bir amaç fonksiyonu bulunmuştur. Bu amaç fonksiyonunu optimize etmek üzere Jaya algoritması kullanılıp optimizasyon işlemi gerçekleştirilmiştir. Çeşitli durumlar altında optimizasyonlar yapılıp; elde edilen veriler, insan beyninin bilgi işleme yönteminden yola çıkılarak geliştirilmiş bir veri işleme teknolojisi olan yapay sinir ağlarının (YSA) eğitiminde kullanılmıştır. Optimizasyon işlemi ve farklı durumlardaki optimum tasarım sonuçlarının yapay sinir ağlarına (YSA) öğretilmesinin ardından, tasarımcıya optimum tasarıma yakın bir tasarımı önerebilen; makine öğrenmesi tabanlı bir tahmin modeli ortaya çıkartmak hedeflenmiştir. Jaya algoritmasının tekil temel tasarım optimizasyonunu başarıyla gerçekleştirdiği ve tutarlı sonuçlar verdiği gözlenmiştir. Jaya algoritmasından elde edilen optimum sonuçlardan oluşan veri seti ile eğitimi gerçekleştirilen yapay sinir ağlarının, doğru tahminde bulunabilmesi için büyük ölçekli bir veri setine ihtiyaç duyduğu gözlemlenmiştir. Yeterli veri seti sağlandığında, başarılı tahminin gerçekleştiği belirlenmiştir. Ayrıca çıktı parametreleri sayısının azaltılmasıyla yapay sinir ağlarının tahmin oranının arttığı görülmüştür.
Özet (Çeviri)
Reinforced concrete footings are structural elements that are suitable to be designed in areas where there is no risk of non-uniform settlements on the ground. While the structure is under dynamic and static loads, there are many factors to be considered in the structural design of reinforced concrete footings which are found in different geometries in the plan. In the reinforced concrete footing design, considering the soil properties and structural effects; it is necessary to make a design in which safety, cost and resources are used optimally. In this study, cost optimization of reinforced concrete footing is carried out with the Jaya (JA), which is one of a metaheuristic type of algorithm. First of all, an objective function was found by synthesizing the formulas used in structural analysis of reinforced concrete footings. In order to optimize this objective function, the Jaya algorithm was used and the optimization process was carried out. Optimizations are made under various situations; then the obtained data were used in the training of artificial neural networks (ANN), which is a data processing technology developed based on the information processing method of the human brain. After the optimization process, the optimum design results in different situations are taught to artificial neural networks (ANN), who can propose a design close to the optimum design to the designer; it is aimed to reveal a machine learning based prediction model. It has been observed that the Jaya algorithm successfully performs the RC footing design optimization and gives consistent results. It has been observed that the artificial neural networks trained with the data set consisting of the optimum results obtained from the Jaya algorithm need a large-scale data set in order to make correct predictions. When sufficient data set is provided, it is determined that successful estimation has occurred. In addition, it was observed that the prediction rate of artificial neural networks increased by decreasing the number of output parameters.
Benzer Tezler
- Havacılık sektöründe istatistiksel proses kontrol: Uçak bakım süreçlerinin iyileştirilmesine yönelik bir uygulama
Statistical process control in the aviation sector: An implementation to improve aircraft maintenance processes
HAMİT HAMİDETTİN KUMURKAN
Yüksek Lisans
Türkçe
2021
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAN YILDIRIM
- Design and implementation of beyond 5g physical layer schemes
5g sonrası fiziksel katman şemalarının tasarımı ve gerçeklemesi
CANER GÖZTEPE
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. GÜNEŞ ZEYNEP KARABULUT KURT
- A new approach to increase energy efficiency of luxury high-rise residential blocks in complex buildings by utilizing advanced HVAC systems
Karma yapılardaki yüksek katlı lüks konut binalarının enerji verimliliğinin gelişmiş mekanik sistemlerden faydalanarak arttırılması için yeni bir yaklaşım önerisi
ALPAY AKGÜÇ
Doktora
İngilizce
2019
Enerjiİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. AYŞE ZERRİN YILMAZ
PROF. DR. MARCO PERINO
- Design and structural finite element analysis of an artificial neural network based optimized alpha type stirling engine
Yapay sinir ağı bazlı optimize edilmiş bir stırlıng motorunun tasarımı ve yapısal sonlu elemanlar analizi
CENGİZ YILDIZ
Yüksek Lisans
İngilizce
2019
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ATA MUGAN
DR. ÖĞR. ÜYESİ FATMA BAYATA
- Ferroresonance fault detection in electric power networks by artificial neural networks
Elektrik güç hatlarında ferrorezonans arızasının yapay sinir ağları ile belirlenmesi
GİZEM KULAKLI
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TAHİR ÇETİN AKINCI