Köprü ayakları etrafında meydana gelen oyulma derinliğinin uç öğrenme makinesi, XGBoost regresyon ve sembolik regresyon yöntemleri ile tahmini
Prediction of scour around bridge piers using extreme learning machi̇ne (ELM), XGBoost regression and symbolic regression
- Tez No: 897938
- Danışmanlar: DR. ÖĞR. ÜYESİ ENES GÜL
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İnönü Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Hidrolik Bilim Dalı
- Sayfa Sayısı: 96
Özet
Yatak malzemelerinin taşınması sırasında köprü ayaklarının zarar görmesi ciddi sonuçlara yol açabilir. Bu nedenle, köprü ayaklarında meydana gelen oyulmanın modellenmesi, insan hayatı için önemli bir risk faktörüdür. Uygulamada birçok farklı tip ve şekillerde köprü ayakları kullanılmaktadır. Köprü ayağı oyulmalarının tahmin edilmesi için birçok geleneksel matematiksel denklemler üretilmiştir. Bu tez kapsamında, oyulma derinliği üç farklı yenilikçi yöntem kullanılarak tahmin edilecektir. Bu yöntemler; Uç Öğrenme Makinesi (UÖM), Sembolik Regresyon (SR) ve XGBoost Regresyon (XGBoost) yöntemleridir. Literatürden derlenen 1064 laboratuvar verisi kullanılarak, dairesel duvar jeti, dairesel olmayan duvar jeti, tam akmayan menfez, iskele ve dayanak gibi farklı köprü ayak tipleri için densimetrik Froude sayıları hesaplanarak oyulma derinliği tahmin edilmiştir. Çeşitli geometrilerin hepsini kapsayan şekil ve yerleşim düzeninden bağımsız bir modelleme için genelleştirme yapılmıştır. UÖM, XGBoost ve SR yöntemlerinin çeşitli hiper parametre kombinasyonları ile en iyileme yapılarak en uygun model belirlenmeye çalışılmıştır. UÖM, XGBoost ve SR modelleri için sırasıyla 62, 90 ve 24 adet model kurulmuştur. Bu modeller beş farklı hata parametresi; Ortalama Karekök Hatası (RMSE), Ortalama Mutlak Hata (MAE), Ortalama Yüzdesel Mutlak Hata (MAPE), Willmott's İndeks (WI) ve Korelasyon Katsayısı (R2) kullanılarak hata oranı en aza indirilmiştir. UÖM, XGBoost ve SR ile elde edilen genel modeller, oyulma derinliğini tahmin etme konusunda geleneksel regresyon denklemlerinden daha iyi sonuçlar vermiştir.
Özet (Çeviri)
Damage to bridge piers during the transportation of bed materials can lead to serious consequences. Thus, modeling the scouring at bridge piers is a critical risk factor for human life. In practice, a variety of different types and shapes of bridge piers are used. Numerous traditional mathematical equations have been developed to predict scour at bridge piers. In this thesis, the scour depth will be estimated using three different innovative methods: Extreme Learning Machine (ELM), Symbolic Regression (SR), and XGBoost Regression (XGBoost). Using 1064 laboratory data collected from the literature, densimetric Froude numbers have been calculated for different bridge pier types such as circular wall jet, non-circular wall jet, full-flowing culvert, pier, and abutment, and scour depths have been predicted. A generalization has been made for modeling that encompasses various geometries and is independent of shape and layout. Hyperparameter combinations of the ELM, XGBoost, and SR methods were optimized to determine the best model. A total of 62, 90, and 24 models were developed for the ELM, XGBoost, and SR methods, respectively. These models were evaluated using five different error parameters: Root Mean Square Error (RMSE), Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), Willmott's Index (WI), and Correlation Coefficient (R2), minimizing the error rate. The general equations derived from ELM, XGBoost, and SR provided better results in predicting scour depth compared to traditional regression equations.
Benzer Tezler
- Doğrusal ve kıvrımlı akarsulara yerleştirilen köprü ayakları etrafında meydana gelen oyulma derinliğinin yapay sinir ağları ile belirlenmesi
Determination of scouring depth around bridge foundations located on straigth and curled streams with artificial neural networks
MAHMUT FIRAT
Yüksek Lisans
Türkçe
2002
İnşaat MühendisliğiPamukkale Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MAHMUD GÜNGÖR
- Akarsu kıvrımlarına yerleştirilen köprü kenar ayakları etrafında meydana gelen yerel oyulma derinliğinin araştırılması
Investigation of local scour depth around abutments located river band
MAHMUT GÜNGÖR
Doktora
Türkçe
1997
İnşaat MühendisliğiYıldız Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. SABAHATTİN ÜÇ
- Local scour characteristics around semi-circular end bridge abutments with and without collars
Koruyucu plakalı ve plakasız yarı dairesel köprü kenar ayakları etrafında oluşan yerel oyulmaların karakteristikleri
FATİME TEKİN
Yüksek Lisans
İngilizce
2012
İnşaat MühendisliğiOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. METE KÖKEN
- Experimental and numerical investigation of the local scour around bridge piers in the case of the sediment feeding
Beslemeli katı madde hareketi durumunda köprü ayakları etrafında oluşan yerel oyulmaların deneysel ve sayısal araştırılması
FIRAT GÜMGÜM
Doktora
İngilizce
2019
İnşaat MühendisliğiDokuz Eylül Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ŞÜKRÜ GÜNEY
PROF. DR. ZEYNEL FUAT TOPRAK
- Köprü uç ve orta ayakları etrafındaki yerel oyulmalara karşı koruyucu önlemlerin araştırılması
Investigation of protective measures against local scours around the bridge piers and abutments
TANIL ARKIŞ
Yüksek Lisans
Türkçe
2013
İnşaat MühendisliğiDokuz Eylül Üniversitesiİnşaat Mühendisliği Bölümü
YRD. DOÇ. DR. AYŞEGÜL ÖZGENÇ AKSOY