Data-driven-based mechanical analysis and design processusing supervised machine learning: steel cantilever studycase
Denetimli makine öğrenmesi kullanılarak veri odaklı mekanik analiz ve tasarım süreci: çelik konsol kiriş çalışması
- Tez No: 957432
- Danışmanlar: Assoc. Prof. Dr. ERDAL COŞKUN
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İstanbul Kültür Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapı Mühendisliği Bilim Dalı
- Sayfa Sayısı: 89
Özet
Bu çalışma, yapısal analizde tahmin doğruluğunu artırmak ve tasarım süreçlerini optimize etmek amacıyla makine öğrenmesi (ML) tekniklerinin yapısal mühendisliğe entegrasyonunu ele almaktadır. Çalışmanın amacı, yapı analiz ve tasarım süreçlerinde denetimli, veri odaklı karar verme yöntemlerini araştırmaktır. Araştırma, giriş verileri kullanılarak ankastre bir kirişin temel parametrelerini tahmin etmek için sınıflandırma ve regresyona dayalı makine öğrenmesi tekniklerini benimsemektedir. Özellikle, elastisite modülü, kiriş uzunluğu ve uygulanan yük gibi özelliklere dayanarak I kesit (W-shape) tasarımını tahmin etmek için Karar Ağacı Sınıflandırıcısı kullanılmıştır. Aynı giriş özelliklerine ek olarak W-shape bilgisi de kullanılarak düşey yer değiştirme regresyon modelleriyle tahmin edilmiştir. Yöntemin geçerliliğini test etmek amacıyla üç aşamalı bir uygulama içeren bir vaka çalışması gerçekleştirilmiştir. İlk olarak, farklı giriş değerlerine göre yapısal parametrelerin hesaplandığı 2.601 girdiden oluşan bir veri seti ETABS kullanılarak oluşturulmuştur. Ardından, ilgili makine öğrenmesi modelleri eğitilmiştir. Son olarak, modellerin başarımı Ortalama Kare Hata (MSE) ve R-kare (R²) metrikleri ile değerlendirilmiştir. Bu araştırma, inşaat mühendisliğinde yapısal analiz yöntemlerinin geliştirilmesine katkı sağlamaktadır. Özellikle, makine öğrenmesi modelleri yer değiştirme tahmininde yüksek doğruluk göstererek ankastre kirişlerin farklı koşullardaki davranışları hakkında önemli öngörüler sunmaktadır.
Özet (Çeviri)
This study deals with the integration of machine learning (ML) techniques into structural engineering to enhance prediction accuracy of structural analysis and optimize design processes. It sets out to explore supervised data-driven based decision making of structural analysis and design process. The research adopts classification-based and regression-based machine learning techniques to predict key parameters of a cantilever beam using input data. Specifically, the Decision Tree Classifier is used to predict the I-section design (W-shape) based on features such as modulus of elasticity, beam length, and applied load. Regression models are then employed to estimate vertical displacement, using the same input features in addition to W-shape. A case study was conducted to validated the approach through three steps implementation. First, a dataset of 2,601 entries was generated using ETABS, where structural parameters were computed based on varying input values. Then, training the models discussed previously. Finally, Models were evaluated using Mean Squared Error (MSE) and R-squared (R²) metrics. This research contributes to the advancement of structural analysis methodologies in civil engineering. Notably, machine learning models exhibit promising performance in accurately predicting displacement and I-section design, thereby offering insights into the behavior of cantilever beams under different conditions.
Benzer Tezler
- Köpük enjeksiyon prosesinde gri Taguchi ve yapay sinir ağları yöntemleri ile parametre optimizasyonu
Parameter optimization in foam injection process using grey Taguchi and artificial neural network methods
NİLAY ERKAN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MERVE CENGİZ TOKLU
- Data driven optimization of structural and dynamical properties of parts manufactured via selective laser melting process using machine learning and finite element analysis methods
Seçici lazer ergitme prosesi ile üretilen parçaların yapısal ve dinamik özelliklerinin makine öğrenmesi ve sonlu elemanlar analizi yöntemleri kullanılarak veri odaklı optimizasyonu
CAN BARIŞ TOPRAK
Doktora
İngilizce
2024
Makine MühendisliğiHacettepe ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CAN ULAŞ DOĞRUER
- Pompaların dinamik analizi
Dynamical analysis of pumps
HAMDİ NADİR TURAL
Yüksek Lisans
Türkçe
2013
Enerjiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. TUNCER TOPRAK
PROF. DR. HALUK KARADOĞAN
- Gauss tipi olmayan ve durağan olmayan yükleme koşullarının frekans uzayında yorulma ömrü tahminine etkisi
The effect of non-Gaussian and non-stationary loading conditions on fatgue life estimation in frequency domain
TARIK BALDAN
Yüksek Lisans
Türkçe
2022
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ATA MUGAN
- FPGA tabanlı hata tespit ve sınıflandırma sistemi tasarımı
Design of an FPGA based fault detection and classificationsystem
İSMAİL PALIT
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ ZİYA ALKAR