Geri Dön

İnşaat projeleri için dijital ikiz uygulama modeli oluşturulması

Generation of a digital twin application model for construction projects

  1. Tez No: 912048
  2. Yazar: MUHAMMET YILDIRIM
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ÖMER GİRAN
  4. Tez Türü: Doktora
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi-Cerrahpaşa
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: İnşaat Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 174

Özet

Tez çalışması, inşaat projeleri için bir dijital ikiz modeli oluşturmayı amaçlamaktadır. Bu çalışmanın ilk aşamasında, dijital ikiz modelleri projenin yaşam döngüsü sırasında oluşturulmuş ve daha sonra bir anket kullanılarak validasyonu yapılmıştır. Ardından, çalışma laboratuvar deneyi için tasarlanmış betonarme bir kirişe uygulanmıştır. Ayrıca, uygulanan yük, sıcaklık ve bağıl nem nedeniyle betonarme kirişte meydana gelen gerilme gerçek zamanlı olarak sensörler kullanılarak toplanmıştır. Model, matematiksel kavramlar ve makine öğrenimi algoritmaları kullanılarak oluşturulmuştur. Sinir ağı, NARX, NARNN ve regresyon modelleri bu çalışmada dijital ikiz modelini kurmak için kullanılan modellerdir. Ayrıca, çalışmada iki aşamalı bir analiz yöntemi kullanılmıştır. İlk aşamanın amacı modellerin etkinliğini değerlendirmektir. Bu aşamada veri kümesinin yüzde altmışı eğitim kümesi ve yüzde otuzu test kümesi olarak ayrılmıştır. Analiz, altı haftalık basamaklı aşamada her hafta ayrı ayrı ve ardından altı hafta boyunca yapılmıştır. Ayrıca, analiz basamaksız aşamanın bir hafta, 15 gün, bir ay, iki ay, üç ay ve altı ayı üzerinden yapılmıştır. İkinci aşama analizinde, modeller bir haftalık, altı haftalık ve üç aylık bir kümeyi eğiterek bir sonraki hafta boyunca gerilme değerlerini tahmin etmek için uygulanmıştır. Bir haftalık veri setinin eğitim sonuçları, GPR'nin 0,67508 R2 ile en iyi model olduğunu göstermektedir. NARX, 0,816135 R2 ile altı haftalık bir veri setinin eğitimi sırasında en iyi sonuçları temsil etmektedir. Üç aylık bir veri kümesi eğitilirken, sinir ağı ve NARNN sırasıyla 0,879067 ve 0,880006 R2 ile en iyi sonuçları göstermektedir. Sonuçlar, eğitim veri kümesi boyutunun artırılmasının test sonuçlarının doğruluğunda bir artışa yol açtığını göstermektedir. Son olarak, gerilmenin gelecekteki değerini tahmin ederken uygulanan yük, sıcaklık ve bağıl nem yerine diğer faktörleri dikkate almak daha doğru sonuçlar elde edilmesini sağlayabilir.

Özet (Çeviri)

Thesis study aims to generate a digital twin model for construction projects. In the first phase of this study, the digital twin models were generated during the project's lifecycle and then validated using a questionnaire survey. Then, the study was implemented in a reinforced concrete beam designed for the laboratory experiment. Moreover, the strain happened in the reinforced concrete beam due to the applied load, temperature, and relative humidity data collected using sensors in real-time. The model was established using mathematical concepts and machine learning algorithms. Neural network, NARX, NARNN, and regression models were used in this study to establish the digital twin model. Furthermore, the study uses a two-phase analysis method. The purpose of the first phase is to evaluate the models' efficiency. At this phase, the dataset has been divided into seventy percent as a training set and thirty percent as a testing set. The analysis was done in the six-week cascade phase over each week separately and then over the six weeks. Moreover, the analysis was done over one week, 15 days, one month, two months, three months, and six months of the stepless phase. In the second phase analysis, the models were implemented to forecast the values of the strain during the next week by training a set of one week, a set of six weeks, and a set of three months. The results of training a one-week dataset show that GPR was the best model with R2 of 0.67508. NARX represents the best results during training a six-week dataset with R2 of 0.816135. While training a three-month dataset, neural network and NARNN indicate the best results with R2 of 0.879067 and 0.880006 respectively. The results indicate that increasing the training dataset size leads to an increase in the accuracy of the testing results. Finally, considering factors other than applied load, temperature, and relative humidity while forecasting the strain's future value may lead to more accurate results.

Benzer Tezler

  1. Yapı bilgi modellemesi ve coğrafi bilgi sistemleri entegrasyonu için farklı yaklaşımların araştırılması

    Investigation of different approaches for the integration of building information modeling and geographic information system

    ÖZLEM KORKMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Jeodezi ve FotogrametriYıldız Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ MELİH BAŞARANER

  2. Kültürel mirasın 3 boyutlu belgelenmesinde dijital ikiz teknolojisinin kullanımı

    Digital twin technology in 3D documentation of cultural heritage

    ERTUĞRUL AYDIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SERDAR BİLGİ

  3. İnşaat sektöründe bım ile dijital ikizlerin karşılaştırılması

    Comparison of bim and digital twins in the construction industry

    ESRA SARIAY

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Mimarlıkİstanbul Aydın Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ KAVEH DEHGHANIAN

    DOÇ. DR. SEVİLAY DEMİRKESEN ÇAKIR

  4. Kıyı yapısı inşaatları için iş güvenliği risk yönetim sistemi

    Occupational safety risk management system for coastal structure construction

    DİNÇER İNANÇ YILMAZ

    Doktora

    Türkçe

    Türkçe

    2024

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. DENİZ ARTAN

  5. Using digital technologies to facilitate identification of political risks in international construction projects

    Uluslararası inşaat projelerinde siyasi risklerin belirlenmesini kolaylaştırmak için dijital teknolojilerin kullanılması

    BESTE ÖZYURT ERSÖZ

    Doktora

    İngilizce

    İngilizce

    2024

    İnşaat MühendisliğiOrta Doğu Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA TALAT BİRGÖNÜL

    PROF. DR. İREM DİKMEN TOKER