Betonarme kolon kapasitelerinin makine öğrenmesi yoluyla tahmin edilmesi
Prediction of reinforced concrete column capacities by machine learning
- Tez No: 824649
- Danışmanlar: DR. ÖĞR. ÜYESİ ONUR TUNABOYU
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yapı Ana Bilim Dalı
- Bilim Dalı: Yapı Mühendisliği Bilim Dalı
- Sayfa Sayısı: 100
Özet
Makine öğrenmesi kavramı her geçen gün daha da popülerleşerek yeni çalışma alanlarına konu olmaktadır. Bu kapsamda Yapı Mühendisliği alanında da kendisine yer bulmuştur. Makine öğrenmesi ile tahminlenen kolon parametrelerinin geleneksel yöntemlere alternatif olup olamayacağı tez çalışması kapsamında incelenmiştir. Çalışmanın veri tabanını, dikdörtgen veya kare kesite sahip 520 adet kolon test numunesi oluşturmaktadır. Regresyon, k en yakın komşu, destek vektör makineleri, karar ağaçları, rastgele orman, XGBoost, AdaBoost, yapay sinir ağları, Naive Bayes, gradyan arttırma ve CatBoost makine öğrenmesi algoritmaları kullanılarak oluşturulan tahmin modelleri; kolonlara ait maksimum kesme dayanımı, maksimum kesme dayanımının azalmaya başladığı noktadan sonra %20 azaldığı noktaya karşılık gelen öteleme oranı ve test sonucu hasar tipinin tahminlenmesinde kullanılmıştır. Tahmin modellerinin performansları kök ortalama kare hatası, belirlilik katsayısı, düzeltilmiş belirlilik katsayısı, k-katlı çapraz doğrulama ve hata matrisi kullanılarak irdelenmiştir. Maksimum kesme dayanımının %93.7, maksimum kesme dayanımının azalmaya başladığı noktadan sonra %20 azaldığı noktaya karşılık gelen öteleme oranının %70.1 ve hasar tipinin %97 doğrulukla tahminlendiği gözlemlenmiştir. Ayrıca kullanıcıların kolayca tahmin yapabilmesi amacıyla en yüksek tahminleme performansına sahip algoritmayı kullanarak tahminleme gerçekleştiren bir arayüz geliştirilmiştir
Özet (Çeviri)
The concept of machine learning is becoming more popular day by day and is the subject of new fields of study. In this context, it has also found a place for itself in the field of Structural Engineering. Whether the column parameters predicted by machine learning can be an alternative to traditional methods has been examined within the scope of the thesis study. The database of the study consists of 520 column test specimens with rectangular or square cross-sections. Prediction models created using regression, k nearest neighbor, support vector machines, decision trees, random forest, XGBoost, AdaBoost, artificial neural networks, Naive Bayes, gradient boosting and CatBoost machine learning algorithms; The maximum shear strength of rectangular or square columns, the drift ratio corresponding to the point where the maximum shear strength decreases by %20 after the point where it starts to decrease, and the test result are has been used to predict the damage type. The performances of the estimation models were examined using the root mean square error, coefficient of determination, adjusted coefficient of determination, k-fold cross validation and confusion matrix. It has been observed that the maximum shear strength prediction with an accuracy of 93.7%, the translation ratio corresponding to the point where the maximum shear strength starts to decrease by 20% is estimated with 70.1%and the damage type is estimated with 97% accuracy. In addition, an interface that performs estimation using the algorithm with the highest estimation performance has been developed so that users can easily make predictions
Benzer Tezler
- Lifli polimer ile güçlendirilmiş betonarme elemanların kapasite tahminine yönelik akıllı sistem uygulaması
Smart system application for capacity estimation of reinforced concrete elements reinforced with fibrous polymer
HÜSNA AÇIKEL ALTUNKARA
Doktora
Türkçe
2024
İnşaat MühendisliğiKonya Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MUSA HAKAN ARSLAN
- Beton dolgulu çelik tüplü dairesel kesitli kolonların eksenel yük taşıma kapasitesinin tahmini
Prediction of axial load carrying capacity of concrete-filled steel tube circular section columns
FATİH ÇIBUK
Yüksek Lisans
Türkçe
2024
İnşaat MühendisliğiYıldız Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEMA ALACALI
- Çok-katlı ve çok-açıklıklı betonarme düzlem çerçeve sistemlerin limit tasarımı için geliştirilmiş bir yaklaşım
An improved approach related to limit design of the multi-storied and multi-spanned reinforced concrete plane frame systems
SEMA NOYAN
Doktora
Türkçe
1994
İnşaat MühendisliğiYıldız Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. ALTAY GÜNDÜZ
- Mevcut betonarme binaların dış perde duvar ile güçlendirilmesinde ankraj uygulamalarının deneysel olarak araştırılması
Experimental study of anchor application on the existing reinforced concrete structures strengthened with external shear walls
ÖZLEM ÇALIŞKAN
Doktora
Türkçe
2010
İnşaat MühendisliğiEskişehir Osmangazi Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN KAPLAN
- Tarihi tuğlalarla örülen yığma kolonların harç takviyeli bazalt lifli kumaşlar ile sargılanması
External jacketing of historical walls with basalt fiber mesh reinforced mortar
İREM AYŞE YILMAZ
Yüksek Lisans
Türkçe
2014
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ALPER İLKİ