FRP sargılı beton elemanların eksenel basınç dayanımının tahmininde farklı makine öğrenimi yöntemlerinin karşılaştırılması
Comparison of different machine learning methods in predicting the axial compressive strength of FRP confined concrete elements
- Tez No: 958735
- Danışmanlar: DR. ÖĞR. ÜYESİ NALAN KAYA
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 105
Özet
Bu araştırma hem yapısal güvenliği hem de tasarım verimliliğini artırmak amacıyla lifli polimer sargılı beton elemanların eksenel dayanımını tahmin etmek için makine öğrenimi modellerin verimliliğini karşılaştırmayı amaçlamaktadır. Ampirik hesaplamalar ve deneysel çalışmalar gibi geleneksel yöntemler genellikle önemli ölçüde zaman ve çaba gerektirir. Bu süreci kolaylaştırmak için çalışma, önceki araştırmalardan elde edilen verilere dayalı tahmin modelleri oluşturmak için Doğrusal Regresyon (DR), Rastgele Orman (RO) ve Yapay Sinir Ağları (YSA) gibi gelişmiş makine öğrenimi tekniklerini uygulamaktadır. Veriler, numune boyutları, beton dayanımı, FRP çekme dayanımı, sargı konfigürasyonları ve eksenel yük kapasiteleri gibi değişkenleri içerir. Veri ön işleme, eksik değerlerin ele alınmasını, aykırı değerlerin yönetilmesini ve özelliklerin normalleştirilmesini içermektedir. Boyut azaltma, bir torbalama modeli kullanılarak özellik önem analizi ve korelasyon analizi yoluyla gerçekleştirilmiştir. Modeller Ortalama Mutlak Hata, Ortalama Karesel Hata, Ortalama Karesel Hatanın Kökü ve R² skoru gibi temel performans ölçütleri kullanılarak değerlendirilmiştir. 85:15 eğitim-test ayrımı kullanılmış ve hiper parametreler grid arama yoluyla optimize edilmiştir. Sonuçlar, Doğrusal Regresyonun 0,781 R² skoru ile doğrusal olmayan ilişkileri yetersiz temsil ettiğini göstermektedir. RO modeli, karmaşık ilişkileri daha iyi yakalayarak 0,985 R² skoru elde etmiş; YSA modeli ise 0,991 R² ile en yüksek doğruluğu sağlamıştır. Bu durum, karmaşık örüntüleri diğer modellerden daha etkili bir şekilde yakalayabildiği için YSA ve RO'nın eksenel dayanımı tahmin etmek için özellikle uygun olduğunu göstermektedir. Bulgular, karmaşık makine öğrenimi modellerinin, geleneksel doğrusal yaklaşımlara kıyasla FRP sargılı elemanların eksenel mukavemetini tahmin etmek için daha doğru ve verimli bir yöntem sağladığını göstermektedir.
Özet (Çeviri)
This research aims to develop machine learning models for predicting the axial strength of concrete wrapped in Fiber-Reinforced Polymer (FRP), with the goal of improving both structural safety and design efficiency. Traditional methods, such as empirical calculations and experimental testing, often require significant time and effort. To streamline this process, the study applies advanced machine learning techniques namely, Linear Regression, Random Forest, and Artificial Neural Networks (ANN) to create predictive models based on data obtained from previous research. The data includes variables such as specimen dimensions, concrete strength, FRP tensile strength, wrap configurations, and axial load capacities. Data preprocessing involved handling missing values, managing outliers, and normalizing features. Dimensionality reduction was achieved through feature importance analysis using a bagging model, as well as correlation analysis. The models were evaluated using key performance metrics such as Mean Absolute Error (MAE), Mean Squared Error (MSE), Root Mean Squared Error (RMSE), and R² score. An 85:15 train-test split was used, and hyperparameters were optimized through grid search. The results indicate that Linear Regression, with an R² score of 0.781, inadequately captures nonlinear relationships. The RO model achieved a better fit with an R² score of 0.985 due to its ability to model complex interactions, while the ANN model demonstrated the highest accuracy with an R² score of 0.991. This suggests that ANN and Random Forest are particularly well-suited for predicting axial strength, as it can capture intricate patterns more effectively than the other models. The findings demonstrate that complex machine learning models provide a more accurate and efficient method for predicting the axial strength of FRP-wrapped concrete compared to traditional linear approaches.
Benzer Tezler
- Karbon esaslı lifli polimerler (CFRP) ile güçlendirilmiş betonarme kolonlarda sargılı beton basınç dayanımının bulanık mantık yaklaşımı ile tahmini
Prediction of confined compressive stress in rc columns strengthened with CFRP using fuzzy logic approach
SELİM MURTAZAOĞLU
Yüksek Lisans
Türkçe
2013
İnşaat MühendisliğiYıldız Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİLGE DORAN
DOÇ. DR. KAAN YETİLMEZSOY
- An experimental study on the behavior of square short concrete columns confined with hybrid frpunder monotonic axial compression stress
Monotonik eksenel basınç yüklemesi altında hibrit liflipolimer malzeme ile sargılanmış kare beton kolonların davranışı üzerine deneysel bir çalışma
BILAL IBRAHIM MAJEED AL-OUBAIDI
Yüksek Lisans
İngilizce
2024
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEDİNE İSPİR ARSLAN
- Geri kazandırılmış pet lifli polimer ile güçlendirilmiş düşük dayanımlı beton silindirlerin monotonik ve tekrarlı yüklemeler altında basınç testleri
Compressive strength tests of low strength concrete cylinders confined with recycled pet fiber polymer under monotonic and cyclic loading
ÖMER FARUK ESKİCUMALI
Yüksek Lisans
Türkçe
2024
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEDİNE İSPİR ARSLAN
- LP sargılı beton için önerilmiş olan dayanım ve şekil değiştirme modellerinin farklı boyutlar üzerindeki performanslarının incelenmesi
Investigation of the performance of proposed models of strength and strain for frp wrapped concrete on different sizes
ALPER TURGUT
Yüksek Lisans
Türkçe
2021
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ALPER İLKİ
- Filaman sarım FRP borularla güçlendirilmiş beton kolonların eksenel yük altındaki davranışının incelenmesi
Investigating behaviour of concrete columns strengthened with FRP flament wrapping under axial loading
MERVE ÇALIŞKAN
Yüksek Lisans
Türkçe
2019
Makine MühendisliğiNecmettin Erbakan ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ LOKMAN GEMİ
DR. ÖĞR. ÜYESİ MEHMET ALPASLAN KÖROĞLU