Utilization of artificial neural networks in building damage prediction
Bina hasar tahminlerinde yapay sinir ağlarının kullanılması
- Tez No: 82593
- Danışmanlar: PROF. DR. POLAT GÜLKAN
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: hasar, hasar modeli, lineer olmayan dinemik hesap, yapay sinir ağlan. vı, damage, damage model, nonlinear dynamic structural analysis, artificial neural networks. IV
- Yıl: 1999
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 121
Özet
oz bina hasar tahminlerinde yapay sinir ağlarının kullanılması ERKUŞ, Banş Yüksek Lisans Tezi, İnşaat Mühendisliği Bölümü Tez Yöneticisi: Prof. Dr. Polat GÜLKAN Eylül 1999, 121 Sayfa Bu çalışmada yapı sistemlerinin perde duvar, kolon, kiriş gibi çeşitli özellMerinin, deprem etkileri altında meydana gelen hasar üzerindeki etkileri araştırılmıştır. Çalışmanın birinci bölümde bir adet perde duvarlı çerçeve, iki adet kolon ve kirişlerden meydan gelen çerçeve, ve bir adet tek serbestlik dereceli sistem, doğrusal olmayan hasar analizi yapacak şekilde El Centro deprem kaydı kullanılarak hesaplanmıştır. Bu amaçla değiştirilmiş Park ve Ang hasar modeli kullanılmıştır. Çalışmanın ikinci bölümde yapay sinir ağları hasar hesabı için kullanılmıştır. Çalışmalar iki farklı yapay sinir ağı modeli üzerinde yoğunlaşılmıştır. Birinci modelde çok katmanlı bir ağ, birinci bölümde elde edilen iki farklı öğrenme kümesi kullanılarak hasar değeri hesaplamasında kullanılmıştır. İkinci bölümde yeni bir yaklaşım denenmiştir. Bu modelde hasar sınıflandırma problemi irdelenmiştir. Her iki model için öğrenme hızı aralığı ve periyodu konulan tanıtılmıştır. Perde duvar, kolon, sönüm yüzdesinin ve yapısal kütlenin, yapısal hasarı etkileyen en önemli parametreler olduğu saptanmıştır. Bu etkinin El Centro depreminin en yüksek yer ivmesinin 0.2g değerinden daha büyük olmasıdurumunda arttığı gözlemlenmiştir. TS-500 EUROCODE-2 ve ACI yapı yönetmeliklerine göre yapılan tasarımların en ekonomik dizayn parametrelerini sağladığı saptanmıştır. Yapay sinir ağlarının performasının öğrenme kümesinin büyüklüğünden çok etkilendiği gösterilmiştir. Önerilen yeni modelin hasar sınıflandırma probleminde oldukça başarılı olduğu gözlemlenmiştir.
Özet (Çeviri)
ABSTRACT UTILIZATION OF ARTIFICIAL NEURAL NETWORKS IN BUILDING DAMAGE PREDICTION ERKUŞ, Bans M.S., Department of Civil Engineering Supervisor: Prof. Dr. Polat GÜLKAN September 1999, 121 Pages In this study effects of several characteristics of structural systems such as shear wall, column, beam parameters on structural damage of generalised yielding structural systems under earthquake effects are examined. In the first part of the study one frame with shear wall, two beam and column frames and a SDOF system are analysed for nonlinear damage under the EL Centro earthquake ground motion. A modified version of Park and Ang damage model is employed for this purpose. In the second part of the study, artificial neural networks, are utilised for the implementation of damage analysis. Two types of multilayer neural network models are used. In the first model the damage indices are estimated by two multilayer networks trained with two different training sets obtained from the first part of the study. In the second model a new approach is used. In this model the problem of damage classification is implemented. For both models learning rate and period concepts are introduced. It is found that shear wall, column, damping and structural mass are the most important structural parameters that effect damage. This effect is more evident when PGA of the earthquake used in the analyses is larger than 0.2g. It is inIt is found that shear wall, column, damping and structural mass are the most important structural parameters that effect damage. This effect is more evident when PGA of the earthquake used in the analyses is larger than 0.2g. It is observed that the design according to TS-500, EUROCODE-2 and ACI results in the most economical design. Performance of the neural network implementation of the damage indices is showed to be highly dependent on the size of the training set. The new model proposed is observed to be an efficient tool for damage classification problem.
Benzer Tezler
- Hodrick-Prescott filtreleme ve yapay sinir ağları yöntemiyle uzun dönem su tüketimi tahmini: Türkiye üzerine uygulama
Long-term water consumption forecasting using Hodrick-Prescott filtering and artificial neural network: On Turkiye application
ÖMER FARUK BAYARSLAN
Yüksek Lisans
Türkçe
2024
İşletmeHacettepe Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR KOYUNCU
- Silivri'de arazi kullanımı, mekansal değişim ve geleceğe yönelik modelleme
Land use, spatial change and future modelling in Silivri
EMRE TUNALI
- Sancaktepe (İstanbul) ilçesinin beşeri ve ekonomik coğrafya özellikleri
Human and economic geography characteristics of Sancaktepe (Istanbul)
YASEMİN AY
- Stochastic bitstream-based vision and learning machines
Stokastik bit akışı tabanlı görü ve öğrenme makineleri
SERCAN AYGÜN
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ
- Resource allocation mechanisms for end-to-end delay optimization of 5G URLLC services
5G URLLC hizmetlerinin uçtan uca gecikme optimizasyonu için kaynak aktarım mekanizmaları
HASAN ANIL AKYILDIZ
Doktora
İngilizce
2024
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
DR. İBRAHİM HÖKELEK