Dinamik yüklemeye maruz konsol dayanma duvarı stabilitesinin makine öğrenmesi algoritmaları ile araştırılması
Investigation of console shear wall stability under dynamic loading using machine learning algorithms
- Tez No: 766006
- Danışmanlar: DR. ÖĞR. ÜYESİ ESRA URAY
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: KTO Karatay Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: İnşaat Mühendisliği Bilim Dalı
- Sayfa Sayısı: 155
Özet
Bu tez çalışmasında iki farklı zemin kotu arasında oluşan yatay zemin basıncına karşı koyması için tasarlanan dayanma duvarlarının dış stabilite tahkiklerinin Makine öğrenmesi algoritmaları ile tahmin edilmesi araştırılmıştır. Dış stabilite tahkikleri olarak duvarın yanal olarak ötelenmemesi, burun noktasından dönmemesi ve duvardan zemine aktarılan yüklerin güvenli bir şekilde taşınması için kayma, devrilme ve taşıma gücü güvenlik sayıları dikkate alınmıştır. Dinamik yüklemeye maruz dayanma duvarının güvenlik sayıları Türkiye Bina Deprem Yönetmeliği 2018'e göre elde edilmiş ayrıca depremsiz durum için statik yük etkisindeki güvenlik sayıları elde edilmiştir. Türkiye Deprem Haritası' nın farklı iki konumuna ait kısa periyot harita spektral ivme katsayıları ve 5 farklı yerel zemin sınıfı için 10 farklı tasarım durumu oluşturulmuştur. Farklı deprem etkisine ve zemin özelliğine sahip 10 farklı tasarım durumu için statik ve dinamik yüklerine maruz dayanma duvarının farklı 1024 dayanma duvar tasarımı kayma, devrilme ve taşıma gücü güvenlik sayıları elde edilmiştir. 1024 (45) farklı tasarıma sahip veri seti dayanma duvarının beş farklı duvar boyutunun dört farklı değeri kullanılarak oluşturulmuştur. Makine öğrenmesi algoritması ile güvenlik sayılarının tahmin edilmesinde 1024 verinin %80 (819)' ni eğitim aşaması için %20 (205)' si test aşaması için kullanılmıştır. Makine öğrenmesi algoritmalarından k-en yakın komşu, rastgele orman ve karar ağaçları algoritmaları kullanılarak güvenlik sayısı tahminleri elde edilmiştir. Tahmini olarak elde edilen güvenlik sayıları ile reeldeki sonuçları karşılaştırmak için kök ortalama kare hata (RMSE), ortalama kare hatası (MSE), ortalama mutlak yüzde hatası (MAPE), ortalama mutlak hata (MAE), ortalama kare logaritmik hata (MSLE), medyan mutlak hata (MDAE), maksimum hata (ME), ortalama gama sapması (MGD), ortalama poisson sapması (MPD) ve son olarak R2 performans değerlendirme metrikleri olarak kullanılmıştır. Makine öğrenmesi algoritmalarının çok bilinmeyenli karmaşık bir mühendislik tasarım problemi olan dayanma duvar tasarımının stabilite kriterlerinin kontrol edilmesinde alternatif bir yöntem olarak kullanılması araştırılmıştır. Yapılan araştırma sonucunda karar ağaçları algoritmasının test ve edğitim seti üzerinde farklı başarı oranı sergilediği hatta eğitim setinde test veri setinden daha başarılı olduğu gözlemlenirken k-en yakın komşu ve rastgele orman algoritmasının test ve eğitim setleri üzerindeki başarı oranının daha yakın olduğu gözlemlenmiştir.
Özet (Çeviri)
In this thesis study, the estimation of the external stability verifications of the retaining walls designed to resist the horizontal ground pressure formed between two different ground levels with machine learning algorithms has been investigated. As external stability verifications, the safety numbers of sliding, overturning and bearing capacity were taken into account in order to ensure that the wall does not shift laterally, does not rotate from the nose point and that the loads transferred from the wall to the ground are carried safely. The safety numbers of the retaining wall subjected to dynamic loading were obtained according to the Turkish Building Earthquake Code 2018, and the safety numbers under the static load were obtained for the earthquake-free situation. Short period map spectral acceleration coefficients of two different locations of the Turkey Earthquake Map and 10 different design cases were created for 5 different local soil classes. For 10 different design situations with different earthquake effects and soil properties, 1024 different retaining wall design slip, overturn and bearing strength safety numbers of the retaining wall subjected to static and dynamic loads were obtained. The dataset with 1024 (45) different designs was created using four different values of five different wall dimensions of the retaining wall. In the estimation of the security numbers with the machine learning algorithm, 80% (819) of the 1024 data were used for the training phase and 20% (205) for the testing phase. Security number estimates were obtained by using k-nearest neighbor, random forest and decision tree algorithms from machine learning algorithms. Root mean square error (RMSE), mean square error (MSE), mean absolute percent error (MAPE), mean absolute error (MAE), mean square logarithmic error (MSLE), median absolute error (MDAE), maximum error (ME), mean gamma deviation (MGD), mean Poisson deviation (MPD) and finally R2 were used as performance evaluation metrics. The use of machine learning algorithms as an alternative method to control the stability criteria of retaining wall design, which is a complex engineering design problem with many unknowns, has been investigated. As a result of the research, it was observed that the decision trees algorithm showed different success rates on the test and training set, and even more successful in the training set than the test data set, while it was observed that the success rate of the k-nearest neighbor and random forest algorithm on the test and training sets was closer.
Benzer Tezler
- Yüksek eksenel yük ve kesme oranlarına maruz standart altı kolonların hibrit ince mantolama yöntemi ile güçlendirilmesi
Seismic strengthening with novel hybrid thin jacketing methods of sub-standard rc columns exposed to high axi̇al load and shear rati̇os
FURKAN NARLITEPE
Yüksek Lisans
Türkçe
2021
Deprem Mühendisliğiİstanbul Teknik ÜniversitesiAfet Yönetimi Ana Bilim Dalı
PROF. DR. ALPER İLKİ
- Betonarme istinat duvarlarının 2007 ve 2018 deprem yönetmeliklerine göre karşılaştırılması
Comparision of reinforced concrete retaining walls by 2007 and 2018 earthquake codes
MUSTAFA AKBULUT
Yüksek Lisans
Türkçe
2019
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. TURGUT ÖZTÜRK
- Komple ray bağlantı sisteminin deneysel gerilme analizi
Experimental stress analysis of complete rail fastening systems
SÜHAN ATAY
Yüksek Lisans
Türkçe
2013
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CEVAT ERDEM İMRAK
- Tam değişken yorulma yüküne maruz yapıştırıcıyla birleştirilmiş bağlantılarda yapıştırılan malzeme kalınlığı etkisinin incelenmesi
Effects of adherend material thickness on the adhesively bonded joints subject to full variable fatigue load
RESÜL ŞAHİN
Yüksek Lisans
Türkçe
2021
Havacılık MühendisliğiErzurum Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. SALİH AKPINAR
- Dinamik yüklenen titanyum ve zirkonya implant dayanaklarının kantileverli sabit dental protezler altında kırılma dayanıklılıklarının değerlendirilmesi
Comparing the fracture resistance of zirconia and titanium abutments with cantilevered fdps after exposure to the artificial mouth
DUYGU KARASAN
Doktora
Türkçe
2014
Diş HekimliğiHacettepe ÜniversitesiProtetik Diş Tedavisi Ana Bilim Dalı
PROF. DR. RAGİBE ŞENAY CANAY