Geri Dön

An artificial neural network tool to estimate wave overtopping at vertical walls with stilling wave basin structures

Durgun dalga havuzu ile bütünleşik kıyı duvarlarındaki dalga aşmasını tahmin eden yapay sinir ağları aracı çalışması

  1. Tez No: 847256
  2. Yazar: UTKU UZUN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ GÜLİZAR ÖZYURT TARAKCIOĞLU, DR. ÖĞR. ÜYESİ DOĞAN KISACIK
  4. Tez Türü: Yüksek Lisans
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 101

Özet

Kıyı koruma yapılarında, dalga aşması tahmini çok önemli bir konudur. Dalgaların kompleks yapılarından dolayı, dalga aşması tahmini için kullanılan yöntemlerin çoğu empirik veya limitli yöntemlerden oluşmaktadır. Yeni bir tasarım yöntemi olarak yapay sinir ağları (YSA) kullanılmaya başlanmıştır. Literaturde bulunan The Overtopping-Neural Network aracı farklı dalga koşulları ve kıyı savunması yapıları için dalga aşması tahmini sonuçları elde edebilmektedir. Bu araç, taş dolgulu yapılar ve kıyı duvarları yapılarında dalga aşması tahminlerini hesaplayabilmektedir. Ancak kordon, durgun dalga havuzu ile bütünleşik kıyı duvarlarında dalga aşması hesaplaması yapamamaktadır. Durgun dalga havuzu ile bütünleşik kıyı duvarları özellikle rekreasyonel aktivitelerin yoğun yapıldığı alanlarda verimli bir kıyı koruma uygulamasıdır. Bu yapılar küçük dalga aşması değerlerini daha küçük kret seviyeleri ile elde etmelerinden ötürü, verimli bir kıyı koruma örneğidirler. Bu çalışmada durgun dalga havuzu ile bütünleşik kıyı duvarlarında dalga aşması yapabilen yeni bir YSA aracı geliştirilmiştir. YSA aracının eğitim ve testi için veri tabanı oluşturulmuştur. En uygun yapay sinir ağları modeli mimarisi analiz edilmiş olup en uygun parametreler Grid Search metodu ile seçilmiştir. Yeni oluşturulan bu yapay sinir ağları modelinin performansı literaturdeki empirik formüllere ve EurOtop (2018) tarafından önerilen Overtopping-Neural Network yapay sinir ağları modeline karşı değerlendirilmiştir. Yeni oluşturulan yapay sinir ağları modeli hem dik kıyı duvarlarında hem de dalga havuzu ile bütünleşik kıyı duvarlarında yüksek doğruluk performans değerleri elde etmiştir. Bu çalışmada oluşturulan yeni yapay sinir ağları modeli dik kıyı duvarlarında Overtopping-Neural Network modeline ve literatürdeki ampirik formüllere göre daha iyi bir performans göstermiştir. Durgun dalga havuzu ile bütünleşik kıyı yapılarında ise literatürdeki ampirik formüller ile yakın bir performana sahiptir.

Özet (Çeviri)

Estimating wave overtopping values in coastal defense structures is a very important phenomenon in coastal engineering. Due to the complex behavior of waves, most of the existing wave overtopping estimation methods are empirical and valid for limited conditions. As a new design approach, artificial neural network (ANN) tools are started to be developed. The available ANN tools such as The Overtopping-Neural Network tool can calculate overtopping values at sloped rubble mound structures, and simple vertical walls. However, it cannot calculate wave overtopping values at vertical walls that have bullnose, promenade, and stilling wave basins (SWB). SWB, in shorelines where social and recreational facilities are done regularly, can be an efficient way of designing sea defense structures, since it can result in lower wave overtopping results in shorelines with lower crest level values. In this study, an ANN tool that calculates overtopping discharges at vertical seawalls with SWB is developed. A database for training and testing of the ANN is collected. The most efficient architecture was analyzed and selected with Grid Search method. The new ANN tool is evaluated against wave overtopping discharge empirical formulas in the literature and The Overtopping-Neural Network tool adopted by EurOtop (2018). The new ANN tool shows very good performance with high accuracy metrics on both plain vertical walls and vertical walls with SWB. The new ANN performed better than The Overtopping-Neural Network on plain vertical walls. In addition, the new ANN tool performed better than empirical formulas on plain vertical walls and as well as empirical formulas on vertical walls with SWB.

Benzer Tezler

  1. Automated maintenance support for data-tier software

    Veritabanı yazılımları için otomatikleştirilmiş bakım desteği

    ERSİN ERSOY

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HASAN SÖZER

  2. BMI prediction from face images

    Yüz görüntülerinden vücut kitle indeksi tahmini

    GÜLPINAR BÖLÜKBAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA ERSEL KAMAŞAK

  3. Development of a screening model for the cyclic steam injection (CSI) process

    Döngüsel buhar enjeksiyonu (DBE) inceleme modeli geliştirme

    GAMZE YALGIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Petrol ve Doğal Gaz MühendisliğiOrta Doğu Teknik Üniversitesi

    Petrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA VERŞAN KÖK

    DOÇ. DR. FAZIL EMRE ARTUN

  4. Yapay sinir ağı kullanılarak tornalamada kesici takım aşınması tahmini

    Cutting tool wear estimation in turning using an artificial neural network

    ULVİ GÜNDÜZÖZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2002

    Makine MühendisliğiYıldız Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. ERHAN ALTAN

  5. Kalman filtresi ve yapay sinir ağları yardımı ile kuvvet tahmini

    Force estimation by using kalman filter and artificial neural networks

    ÇAĞDAŞ MIDIKLI

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. ATA MUĞAN