GPR ve yapay zeka derin ağ yöntemleri ile yapı kolonu beton-metal donatılarının kestirimi
Estimation of structural column concrete-metal reinforcements with GPR and artificial intelligence deep network methods
- Tez No: 914828
- Danışmanlar: PROF. DR. SELMA KADIOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Jeofizik Mühendisliği, Geophysics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Jeofizik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 137
Özet
Tez çalışmasının amacı, yer radarı (GPR) yöntemi ile bina kolonlarının iç özellikleri olan metal donatı örüntülerinin, metal tipinin, konum ve kalınlıklarının, betonun durumunun belirlenebilirliğinin yapay zekâ derin ağ kestirim yöntemi ile ortaya koyabilmektir. Amacı gerçekleştirmeye yönelik üç aşamalı çalışma gerçekleştirilmiştir. İlk olarak yapı kolonlarının iç yapısını ve donatı örüntülerini yer radarı (GPR) yöntemiyle incelemede ve yorumlamada kullanılabilecek iki boyutlu (2B) demir ve çelik donatı modelleri oluşturulmuştur. Beton ve metal donatıları içeren yapı kolon modelleri basitten karmaşığa doğru gruplandırılmıştır. Yapı kolon modellerini oluştururken farklı sayıda ve kalınlıkta düşey ve yatay metal çubuk donatılar tasarlanmış, ardından betonarme ortamın dielektrik geçirgenlik (permittivity) değeri değişimi ile metal türünü, donatı karmaşıklığını, kalınlığını kümeleyerek kolon beton-metal donatı modelleri ve grupları oluşturulmuştur. Metal türü olarak demir ve çelik çubuklar kullanılmıştır. Metal donatıyı çevreleyen beton ortam için genel olarak sabit bir dielektrik geçirgenlik değeri kullanılmış olup son grup modellerde betonun içinde boşluk ve zayıf bölgeler gibi bozucu unsurların eklenmesi ile son olarak korozyonlu modeller oluşturulmuştur. Kolon beton-donatı model boyutları 1,30x0,75 m ile sabit tutulmuştur. İkinci aşamada modellere ait zaman ortamında sonlu farklar yaklaşımıyla iki boyutlu (2B) radargram hesaplamaları (radargram modelleme, GPR dalga alanı kesiti, GPR profil kesiti) gerçekleştirilmiştir. Hesaplamalarda 1200 MHz yüksek frekanslı kapalı anten kullanılmıştır. Profiller kolon ön cephesi üzerinde uzun eksen üzerinde aşağıdan yukarıya doğru oluşturulmuş ve 0.01m aralıklarla konuşlandırılan antenlerden kolon içine kaynak dalgacığının gönderilmesi ve kolon arka sınırından geri yansıyan dalgaları da kapsayacak şekilde her bir GPR izi hesaplanmıştır. Üçüncü aşamada yapay zekâ ağ tasarımı geliştirerek yapı kolon-donatı modelinin elde edilmesi için konvolüsyonel yöntem olan otomatik kodlayıcılar (autoencoder) tercih edilmiş, eğitim, test ve doğrulama aşamaları uygulanmıştır. Yapay zekâ ağ tasarımı ile model kestirim ilksel sonuçlarına göre, oluşturduğumuz kolon-donatı modeli ile ağ tasarımının sonuçlarının büyük bir uyum gösterdiği, ancak korozyonlu beton-donatı modellerinin çok sayıda artırılarak ağ tasarımının daha da geliştirilmesi ile uyumun daha da artış gösterebileceği belirlenmiştir. Ağ tasarımı kestirim sonuçlarında donatıdaki yatay ve düşey metal sayılarının ve konumlarının oldukça iyi sağlandığı, kalınlıklarının kestiriminde biraz sapmalar olduğu gözlenmiştir. Korozyonlu beton-donatı modellerinin artırılarak ve ağ tasarımınında yeni eklemeler ile kestirim sonuçlarının daha da iyileştirilmesi gelecek hedeflerimizi kapsamaktadır. Modelleri oluşturma ve ağ tasarımı çalışmalarında PYTHON yazılımı, modelleme çalışmalarında gprMax açık kaynak yazılımı kullanılmıştır. Tez çalışması, GPR yöntemi ve yapay zekâ ağ tasarımı ile yapı kolonları-donatı modelinin belirlenmesi kapsamında yapılmış ilk çalışmadır.
Özet (Çeviri)
The aim of this thesis study is to determine the internal characteristics of building columns, such as metal reinforcement patterns, metal type, position, thickness, and the condition of the concrete, using a deep learning prediction method with ground-penetrating radar (GPR). A three-stage study was conducted to achieve this goal. First, two-dimensional (2D) iron and steel reinforcement models were created, which can be used for examining and interpreting the internal structure of building columns and reinforcement patterns using the GPR method. The building column models containing concrete and metal reinforcements were grouped from simple to complex. While creating the building column models, vertical and horizontal metal rod reinforcements of varying numbers and thicknesses were designed. Then, by varying the dielectric permittivity value of the reinforced concrete environment, the metal type, reinforcement complexity, and thickness were clustered, and column concrete-metal reinforcement models and groups were created. Iron and steel rods were used as the metal types. A constant dielectric permittivity value was generally used for the concrete surrounding the metal reinforcement. In the final group of models, defects such as voids and weak areas within the concrete were added, and models with corrosion were created. The dimensions of the column concrete-reinforcement models were kept constant at 1.30x0.75 m. In the second stage, two-dimensional (2D) radargram calculations (radargram modeling, GPR wave field section, GPR profile section) were carried out using the finite-difference time-domain approach for the models. A 1200 MHz high-frequency shielded antenna was used for the calculations. The profiles were created along the long axis on the front face of the column, from bottom to top, and each GPR trace was calculated by sending a source wavelet into the column through antennas deployed at 0.01 m intervals, including the waves reflected from the back boundary of the column. In the third stage, convolutional autoencoders were chosen to develop an artificial intelligence network design for the prediction of the building column-reinforcement model, and training, testing, and validation phases were applied. According to the preliminary results of the model prediction using the artificial intelligence network design, the results of the network design showed a significant agreement with the column-reinforcement model we created. However, it was determined that increasing the number of models with corroded concrete-reinforcement and further developing the network design could improve the agreement even more. In the prediction results of the network design, it was observed that the number and positions of horizontal and vertical metal reinforcements were predicted quite well, while there were some deviations in the prediction of their thickness. Increasing the number of corroded concrete-reinforcement models and making new additions to the network design to improve the prediction results are among our future objectives. PYTHON software was used in the modeling and network design stages, and the open-source software gprMax was used in the modeling studies. This thesis study is the first to determine the building column-reinforcement model using the GPR method and artificial intelligence network design.
Benzer Tezler
- Derin öğrenme tabanlı yöntemler ile GPR görüntülerinde obje tespiti
Object detection in GPR images with deep learning based methods
ORHAN APAYDIN
Yüksek Lisans
Türkçe
2023
Jeofizik Mühendisliğiİstanbul Teknik ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TURGAY İŞSEVEN
- Sakarya havzasına ait su kalitesi parametrelerinin yapay zekâ yöntemleri ile modellenmesi
Modeling the water quality parameters of Sakarya basin with artificial intelligence methods
YUSUF ÖZEREN
Yüksek Lisans
Türkçe
2022
İnşaat MühendisliğiErciyes Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. HATİCE ÇITAKOĞLU
- Ground penetrating radar antenna design to detect buried object and signal processing with deep learning networks by usingnumerical electromagnetic methods
Gömülü hedef tespit etmek için yere nüfuz eden radar anten tasarımı ve sayısal elektromanyetik yöntemler kullanarak derin öğrenme ağları ile sinyal işleme
REYHAN YURT
Doktora
İngilizce
2023
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAMİD TORPİ
- Biyokütle gazlaştırma sistem performansının yapay zeka teknikleri ile tahmini
Prediction of biomass gasification system performance using artificial intelligence techniques
AHMED A. AHMED
Yüksek Lisans
Türkçe
2021
Kimya MühendisliğiOndokuz Mayıs ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELİM CEYLAN
- Data-driven modeling of ultimate load capacity of closed- and open-ended piles using machine learning
Kapalı ve açık uçlu kazıkların nihai taşıma kapasitelerinin makine öğrenmesi kullanılarak veriye dayalı modellenmesi
EMİRHAN ALTINOK
Yüksek Lisans
İngilizce
2021
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET BARIŞ CAN ÜLKER