Threshold estimation for preliminary risk assessment method using machine learning algorithm
Makine öğrenmesi algoritması kullanarak ön risk değerlendirme yöntemi için eşik değer tahmini
- Tez No: 990936
- Danışmanlar: DR. ÖĞR. ÜYESİ VESİLE HATUN AKANSEL
- Tez Türü: Yüksek Lisans
- Konular: Deprem Mühendisliği, Earthquake Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Risk değerlendirmesi, inşaat mühendisliği projelerinde kritik bir rol oynamaktadır. Yapıların doğru risk tahmininin yapılabilmesi, biz inşaat mühendislerinin kaynakları etkin biçimde tahsis etmesine ve azaltma stratejilerini önceliklendirmesine imkân tanır. Bu çalışmanın temel amacı, ön risk değerlendirme yöntemine odaklanmak ve makine öğrenmesi algoritmalarının (Destek Vektör Makineleri ve Rasgele Orman algoritmaları) geliştirilmesiyle, riskli veya risksiz betonarme binaların ve yapıların sınıflandırılması veya tahmin edilmesidir. Çalışma, 06.02.2023 tarihinde Türkiye'de meydana gelen depremden etkilenen Hatay ve Kahramanmaraş illerini kapsamaktadır. Toplamda 11 ilçe etkilenmiş, 50.000'den fazla insan ve aynı sayıda hayvan hayatını kaybetmiş, ayrıca çok büyük finansal kayıplara yol açılmıştır. Bu risk değerlendirmesi için dikkate alınacak özellikler mimari özellikler olacaktır; örneğin Kat Sayısı , Düşey Düzensizlik, Yatay Düzensizlik , Saçak ve malzeme özellikleri. Bu çalışmada kullanılacak veriler, Çevre, Şehircilik ve İklim Değişikliği Bakanlığı'ndan alınacak saha (sokak taraması) verileri olacaktır. Çalışmanın betonarme binalara uygulanacağı not edilmelidir. Geliştirilecek algoritmaların yardımıyla daha doğru tahminler elde edilmesi hedeflenmektedir. Sismik risk değerlendirme prosedürleri şu adımlara ayrılabilir: Sokak taraması (walk-down). Bu yöntem, binaların ve özelliklerinin (kat sayısı, düşey düzensizlik, plan düzensizliği, bina yaşı, bina konumu, yapı tipi ve kullanılan malzeme gibi) hızlı bir şekilde değerlendirilmesini sağlayan en basit ve en kısa yoldur. Daha güvenilir bir değerlendirme için ön değerlendirme aşaması gereklidir. Sokak taramasından elde edilen verilere ek olarak, yapı bileşenlerinin boyut ve yönelimleri, malzeme özellikleri gibi bilgilerin de sağlanması gerekir. Bu nedenle, bina çizimlerinin incelenmesi gerekecektir. Bu prosedür, ayrıntılı ve zaman alıcı analizlerden ziyade daha hızlı hesaplamaları içerir ve genellikle yapının kapasitesi, öngörülen talep ile karşılaştırılabilecek bir indeksle ifade edilir. Bu karşılaştırmanın başarısı, verilerin kalitesine ve elde edilebilirliğine bağlıdır. Ayrıntılı değerlendirme prosedürleri ise karmaşık yapısal analizler için gerekli olup; geometrik ve mekanik malzeme özellikleri ile yapısal çizimlerden elde edilen detaylara dayalı doğrusal ve doğrusal olmayan analiz teknikleri kullanılarak öngörülen sismik etkiler altındaki yapı davranışlarının belirlenmesini içerir. Ön değerlendirme süreci, mevcut betonarme binaların hızlı sismik performanslarının belirlenmesi için kullanılacaktır. Böylece yapı kalitesinin ve işçiliğin, taşıyıcı sistemin dayanımına etkisi göz önüne alınabilecektir. Bu prosedür, yapının herhangi bir şiddetli depremde hayatta kalıp kalamayacağını veya güvenli olup olmadığını tahmin edecek bir algoritma ile modellenmiştir. Makine öğrenmesi yöntemi ile bu yapılar riskli veya risksiz olarak sınıflandırılacaktır. Bu tahminin başarı oranı yüksek olacaktır. Yöntem ile daha güvenilir sonuçlar elde edilecek; zaman kazandıran, hızlı ve basit bir yol olarak kullanılabilecektir. Bu yaklaşım, yapıların güvenli (ciddi hasar görmeyecek) veya güvensiz (can güvenliği performans düzeyini karşılamayacak) olarak sınıflandırılacağı anlamına gelir.
Özet (Çeviri)
Risk assessment plays a crucial role in civil engineering projects. The accurate risk estimation for structures allows us as civil engineers to allocate resources effectively and prioritize mitigation strategies. The main goal of this proposal, in here it will be to concentrate on a preliminary risk assessment method with the development of a machine learning algorithms method (Support Vector Machine Learning & Random Fores algorithms) to classify or predict the risky or non-risky RC buildings and structures in Hatay and Kahramanmaras provinces which were affected in the earthquake of 02.06.2023 in Türkiye. Totally 11 districts were affected, and it took more than 50000 lives of people and the same animal lives and caused huge financial damage. The features that will be considered for the estimation of this risk assessment are Architectural features, i.e., Number of Stories (NS), Vertical Irregularity (VI), Horizontal Irregularity (HI), Overhang (OH), and material properties. The walk-down (street survey) data will be used in this study, it will be gathered from the Ministry of Environment, urbanization, and climate change in some consideration of prices. it also should be noted the risk assessment method will be on Reinforced contrate. In addition, with the help of developing algorithms, more accurate estimation will be obtained. The seismic risk assessment procedures can be divided into the following steps: Walk-down (Street survey) We can call it the simplest and the quickest way to evaluate the buildings and the features such as the number of stories, vertical irregularity, plan irregularity, age of the building, location of the building type of the structure and the apparent materials parameters will be used. For a more and reliable assessment, the Preliminary assessment is needed in this step, in addition to the collected data from the walk-down, we also need to size and orientation of the structure components, martial properties, so it needs to see the drawing of the building so this procedure does not too sophisticated and time-consuming analysis of the buildings but some faster calculation will be performed and usually structure capacity expressed as an index which checked against an anticipated demand, to succeed in this compression it concerns on the availability and quality of the data. Detailed assessment procedures are for complex structural analysis that requires inclusive information on geometrical and mechanical properties of materials and the details that are obtained from structural drawing for this linear and non-linear analysis techniques will used for determination of response quantities of anticipated seismic action. The preliminary process will be used for rapid seismic performance of existing buildings reinforce concrete to modify the reflect quality of structure and workmanship to resist of structural system. This procedure will be modeled with an algorithm to predict the risk assessment of the structure or do these structures will survive in any severe earthquake or whether they will be safe or not. With this machine learning method, these structures will be classified as risky and non-risky. The prediction with the machine learning method will have a high success rate. With this method, accuracies will be more reliable, and it is the quickest and simplest way to save time and have good results. It means the method classifies the structures either as safe or not safe, which means the structure might suffer no severe damage, and not safe means the level of life safety performance would not be met.
Benzer Tezler
- Yapı hasarlarının zemin oturması ile ilişkisi ve risk analizi
The relationship of structural damages with ground settlement and risk analysis
EKİN EVRİM LAÇİN AKŞİT
Doktora
Türkçe
2025
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. KADİR GÜLER
- Batı Türkiye'de depremsellik ve yer hareketi modellerinin sismik tehlike analizine etkisi
The effects of seismicity and ground motion models on seismic hazard analysis in Western Türkiye
SERAP KIRIM
Doktora
Türkçe
2026
Jeofizik MühendisliğiSakarya ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT UTKUCU
- İstanbul Atatürk Havalimanının yeterliliğinin irdelenmesi
Başlık çevirisi yok
SALİH GÜZEL
Yüksek Lisans
Türkçe
1998
İnşaat Mühendisliğiİstanbul Teknik ÜniversitesiUlaştırma Ana Bilim Dalı
PROF. DR. GÜNGÖR EVREN
- A multi-task dual-input deep learning architecture for ABR analysis
ABR analizi için çok görevli çift girişli derin öğrenme mimarisi
YOUSSEF IBRAHIM MOHAMED DARAHEM
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Medipol ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BAHADIR KÜRŞAT GÜNTÜRK
- Ayrık liflerle rasgele donatılı kum zeminlerin taşıma kapasitesinin CBR deneyleri ile araştırılması
Investigation of bearing capacity of randomly distributed fiber-reinforced sands with CBR tests
ORHAN ESAT İNANIR
Yüksek Lisans
Türkçe
1997
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET SAĞLAMER