Betonarme binaların sismik risk düzeylerinin yapay zeka metotları ile tahmin edilmesi
Estimation of seismic risk levels of RC buildings with artificial intelligence methods
- Tez No: 920138
- Danışmanlar: DOÇ. DR. TAMER DİRİKGİL
- Tez Türü: Yüksek Lisans
- Konular: Deprem Mühendisliği, İnşaat Mühendisliği, Earthquake Engineering, Civil Engineering
- Anahtar Kelimeler: Betonarme yapılar, Hızlı değerlendirme, Makine öğrenimi, Sismik risk, Reinforced concrete structures, Rapid assessment, Machine learning, Seismic risk
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapı Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
BETONARME BİNALARIN SİSMİK RİSK DÜZEYLERİNİN YAPAY ZEKA METOTLARI İLE TAHMİN EDİLMESİ Mertcan YILMAZ Erciyes Üniversitesi, Fen Bilimleri Enstitüsü Yüksek Lisans Tezi, Aralık 2024 Danışman: Doç. Dr. Tamer DİRİKGİL ÖZET Sismik aktivitenin yoğun olarak yaşandığı Türkiye'de deprem öncesinde yapı stokunda bulundan riskli yapıların hızlı ve doğru olarak belirlenmesi, gelecek depremlerden önce önlemler alınarak can güvenliğin sağlanması için önemli bir adım olmaktadır. Bu çalışmada, betonarme çerçeve taşıyıcı sisteme sahip yapıların sismik risk düzeylerini hızlı ve doğru bir şekilde tahmin etmek için yapay zekâ modellerine dayalı yöntem geliştirilmesi amaçlanmıştır. Bu bağlamda; mevcut yapı stokunda sıkça gözlemlenen yetersiz malzeme dayanımları, işçilik kusurları ve kullanım esnasında taşıyıcı sistem elemanlarında meydana gelen hasarlar, depremler sonrasında yapılan saha çalışmaları ışığında incelenmiştir. Edinilen bulgular neticesinde betonarme yapıların deprem performansını etkileyebilecek parametreler belirlenmiş ve bu parametrelerin Türkiye'de depreme dayanıklı yapı tasarlamak amacı ile yürürlüğe giren düzenlemeler de dikkate alınarak parametre varyasyonları belirlenmiştir. Belirlenen varyasyonlar, mevcut yapı stokunda bulunan yapılar üzerinde uygulanmış ve TBDY-2018'e göre doğrusal olmayan performans analizleri yapılarak mevcut yapı stokunu simüle eden, deprem güvenliği belirlenmiş 1680 adet veriden oluşan veri seti oluşturulmuştur. Bu veri seti üzerinde farklı makine öğrenimi modelleri eğitilerek test edilmiş ve modellerin deprem performansını etkileyen parametrelerle yapıların sismik risk düzeylerini tahmin etme performansları karşılaştırılmıştır. Çalışma sonucunda, XGBoost modelinin %91 performans sergileyerek yapıların risk düzeylerini tahmin edebildiği belirlenmiş ve betonarme binaların sismik risk düzeylerinin yapay zekâ modelleri ile hızlı ve doğru bir şekilde tahmin edebileceği sonucuna ulaşılmıştır.
Özet (Çeviri)
ESTIMATION OF SEISMIC RISK LEVELS OF RC BUILDINGS WITH ARTIFICIAL INTELLIGENCE METHODS Mertcan YILMAZ Erciyes University, Graduate School of Natural and Applied Sciences Master Thesis, December 2024 Supervisor: Assoc. Prof. Tamer DIRIKGIL ABSTRACT In Türkiye, where seismic activity is intense, rapid and accurate determination of risky structures in the building stock before an earthquake is an important step in ensuring life safety by taking precautions before future earthquakes. In this study, it is aimed to develop a method based on artificial intelligence models to quickly and accurately estimate the seismic risk levels of Reinforced Concrete (RC) frame load-bearing systems. In this context; inadequate material strengths, workmanship defects and damages incurred in the carrier system elements during use, which are frequently observed in the existing building stock, were examined in the light of field studies conducted after earthquakes. As a result of the findings obtained, the parameters that may affect the earthquake performance of RC structures were determined and the parameter variations of these parameters were determined by taking into account the regulations enacted in In Türkiye for the purpose of designing earthquake-resistant structures. The determined variations were applied to the structures in the existing building stock and a data set consisting of 1680 data sets was created by performing nonlinear performance analyzes according to TBEC-2018, simulating the existing building stock and determining earthquake safety. Different machine learning models were trained and tested on this dataset, and the performance of the models in predicting the seismic risk levels of structures with the parameters affecting the earthquake performance was compared. As a result of the study, it was determined that the XGBoost model was able to predict the risk levels of structures with 91% performance, and it was concluded that the seismic risk levels of RC buildings can be predicted quickly and accurately with artificial intelligence models.
Benzer Tezler
- Kirişsiz döşemelerin sonlu farklar metodu ile çözümü
Başlık çevirisi yok
FAHRETTİN BAŞAR
Yüksek Lisans
Türkçe
1987
İnşaat MühendisliğiAnadolu Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER RIZA AKGÜN
- Alçak basınçlı borulu sulama şebekeleri projelendirme kriterleri
Design criteria the low pressure pipe irrigation network
RECEP KANIT
Yüksek Lisans
Türkçe
1987
İnşaat MühendisliğiGazi ÜniversitesiYapı Eğitimi Ana Bilim Dalı
Y.DOÇ.DR. M. HALUK ÇELİK
- Sabit ve değişken kesitli mütemadı kirişlerin sabit ve hareketli yükler altında incelenmesi
Başlık çevirisi yok
NEVİN YELENCE
Yüksek Lisans
Türkçe
1986
İnşaat MühendisliğiAnadolu Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. M. RUHİ AYDIN