Evrişimli sinir ağları ile mevcut betonarme binaların yükseklik, yumuşak kat ve kısa kolon tespitlerinin yapılması
Determination of the height, soft story and short columns of existing reinforced concrete buildings with conventional neural networks
- Tez No: 929913
- Danışmanlar: PROF. DR. MUSA HAKAN ARSLAN, DR. ÖĞR. ÜYESİ GAMZE DOĞAN
- Tez Türü: Doktora
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Deprem, Hızlı Sismik Değerlendirme, Yumuşak Kat, Kısa Kolon, Yolo, Earthquake, Rapid Seismic Assessment, Soft Story, Short Column, Yolo
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 223
Özet
Ülkemiz aktif deprem kuşağı üzerinde yer alması sonucunda mevcut bina stokumuzun risk analizlerinin yapılarak risk önceliklerinin belirlenmesi etkin ve geliştirilebilir önlemlerin alınması hayati önem arz etmektedir. Türkiye'de deprem öncesi mevcut binaların risk analizi için şehirlerde bulunan özellikle konut türü yüz binlerce binanın incelenmesine ihtiyaç duyulmaktadır. Mevcutta kullanılan ve sürekli geliştirilen birçok hızlı sismik değerlendirme yöntemi olmasına rağmen binaların deprem risk öncelik sırasının belirlenmesi, yapı envanteri içerisinde yer alan konut türü bina sayısının çok fazla olması nedeniyle oldukça büyük bir maliyet ve uzun bir süreç gerektirmektedir. Bunun yanı sıra araştırılıp analizi yapılması gereken bina sayısının fazla olması ile çok sayıda teknik uzman görevlendirilmesine de sebep olacaktır. İlgili alanlardaki teknik uzmanların değerlendirmesinde uzmanın bilgi, birikim ve çalıştığı iş kolundaki tecrübesine göre yorum farklılıkları olmasına sebep olacaktır. Ayrıca incelenecek binaların deprem riski göz önünde bulundurulduğundan çok fazla parametreye göre değerlendirilmesi standarttan uzaklaşmaya ve farklı uzman görüşlerin olması değerlendirmede sorunların oluşmasına yol açacaktır. Deprem risk analizi gibi hayati bir konuda verilen kararlarda değerlendirmenin mümkün olduğunca standart yapılması, kararların daha hızlı ve ölçülebilir şekilde alınması oldukça büyük önem arz etmektedir. Bu durumda Türkiye için son derece hayati ve ciddi bir konusu olan mevcut binaların deprem risk analizlerinin çözüm odaklı, fonksiyonel, ekonomik ve standartlaşma ile sağlıklı bir şekilde gerçekleştirilmesinde akıllı sistemlerden faydalanmak mümkün olduğunca doğru sonuçlara varmak adına önem taşımaktadır. Özellikle son yıllarda sayıca fazla olan ve çoklu parametrelere bağlı karmaşık mühendislik problemlerin çözümünde akıllı sistemler sıklıkla kullanılmaya başlanmıştır. Buradan hareketle bu tezde; konut türü betonarme binaların deprem öncesi risk analizinde uzman mühendise yardımcı olacak (ya da teknik uzman yokluğunda karar vermeyi kolaylaştıracak) ve risk önceliklendirilmesinde kullanılacak parametrelerden olan kat yüksekliği, yumuşak kat ve kısa kolon oluşumu durumlarını bina cephe görselleri üzerinden tahmin edebilen YOLO (You Only Look Once) CNN evrişimli sinir ağları nesne algılama algoritması ile analiz edilerek bulunan sonuçların değerlendirilmesi yapılmıştır. Sonuç olarak nesnelerin etiketlenmesi ve uygulanan 1., 2. ve son olarak uygulanan 3. işlem neticesinde görsel üzerinden nesnelerin tespiti (asma kat hariç %62) %99,3 doğruluk oranı ile tespit edilmiştir. Ayrıca tespit edilen nesnelerin ortalama yükseklik değerleri hesaplanarak bina yüksekliği elde edilmiştir.
Özet (Çeviri)
Given Turkey's location on an active and significantly important earthquake belt, it is crucial to conduct risk analyses of our existing building stock and prioritize risks to implement effective and improvable measures. In Turkey, there is a need to assess hundreds of thousands of buildings, particularly residential ones, in cities for earthquake risk analysis. Despite the existence of many rapid seismic evaluation methods, determining the earthquake risk priority order of buildings entails significant cost and time due to the large number of residential buildings in the building inventory. Additionally, the need for analysis of a large number of buildings will require the assignment of numerous technical experts, leading to differences in interpretation based on their knowledge, expertise, and experience in the relevant field. Furthermore, evaluating buildings based on numerous parameters due to their earthquake risk may deviate from the standard and result in different expert opinions, leading to challenges in the evaluation process. Standardization of evaluation as much as possible is crucial for making decisions more rapidly and measurably in critical decisions such as earthquake risk analysis. Therefore, leveraging smart systems in a solution-oriented, functional, economical, and standardized manner is crucial for conducting earthquake risk analyses of existing buildings in Turkey, which is an extremely vital and serious issue. Especially in recent years, smart systems have been frequently used in solving complex engineering problems dependent on multiple parameters. Thus, this thesis aims to analyze the results obtained by analyzing the objects with the YOLO (You Only Look Once) CNN convolutional neural network object detection algorithm, which can predict floor height, soft story, and short column formation parameters from building facade images, assisting expert engineers in pre-earthquake risk analysis of residential reinforced concrete buildings and facilitating decision-making in the absence of technical experts. As a result, the labeling of objects and the detection of objects via visuals (62% except for the clestory) as a result of the 1st, 2nd and finally 3rd process was determined with an accuracy rate of 99.3%. In addition, the average height values of the detected objects were calculated and the building height was obtained.
Benzer Tezler
- Mevcut betonarme binaların hızlı sismik değerlendirilmesinde kullanılan bazı geometrik parametrelerin ön eğitimli konvolüsyonel sinir ağları ile belirlenmesi
Determination of some geometric parameters used in rapid seismic evaluation of existing reinforced concrete buildings with pre-trained convolutional neural networks
MUHAMMET YUŞA EKİCİ
Doktora
Türkçe
2022
İnşaat MühendisliğiKonya Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MUSA HAKAN ARSLAN
DR. ÖĞR. ÜYESİ AMIR YAVARIABDI
- Evrişimli sinir ağları ile DNA görüntülerinde hasar tespiti yönteminin geliştirilmesi
Development of a damage detection method in DNA images using convolutional neural networks
ALİ AKTAŞ
Doktora
Türkçe
2025
Mühendislik BilimleriTokat Gaziosmanpaşa ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CENGİZ GÜNGÖR
- Makine öğrenmesi yaklaşımıyla yonga üretim sürecindeki yarı iletken levha hatalarının sınıflandırılması ve benzerliklerinin derecelendirilmesi
Classification and rating of wafer defect patterns in the chip manufacturing process by machine learning approach
GÖKHAN ERGEN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EKREM DÜVEN
- Evrişimli sinir ağları ile akciğer kanseri sınıflandırması
Lung cancer classification with convolutional neural networks
ÇİMEN UĞUR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTokat Gaziosmanpaşa ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MAHİR KAYA
- Learning from minimally labeled data with accelerated convolutional neural networks
Hızlandırılmış evrişimli sı̇nı̇r ağları ı̇le minimal etiketli verı̇lerden öğrenme
AYŞEGÜL DÜNDAR BORAL
Doktora
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPurdue UniversityBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. EUGENİO CULURCİELLO