Mevcut betonarme yapıların planda düzensizlik durumlarının derin öğrenme ile belirlenmesi için bir model önerisi
A model proposal for determi̇ni̇ng plan irregulari̇ti̇es i̇n exi̇sti̇ng rei̇nforced concrete structures usi̇ng deep learni̇ng
- Tez No: 1021336
- Danışmanlar: PROF. DR. SERRA ZERRİN KORKMAZ
- Tez Türü: Doktora
- Konular: Mimarlık, Architecture
- Anahtar Kelimeler: Bina tasarımı, Bina yapımı, Mimari tasarım, Mimari yapı, Riskli yapı, Yapay zeka, Yapı tasarımı, Building design, Building construction, Architectural design, Architectural structure, Risky building, Artificial intelligence
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Mimarlık Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Türkiye'de yaşanan depremler, betonarme yapıların güvenliğinde mimari tasarımın ve taşıyıcı sistem kurgusunun hayati önemini açıkça ortaya koymaktadır. Mimari tasarım sürecinin henüz başlangıç aşamasında alınan kararlar, yapının deprem performansını doğrudan etkilemekte ve olası hasar düzeyini belirlemektedir. Bu çalışma, geleneksel yaklaşımların ötesine geçerek, depreme dayanıklı taşıyıcı sistem tasarımına yönelik Evrişimli Sinir Ağları (ESA) tabanlı yenilikçi bir karar destek sistemi geliştirmeyi amaçlamaktadır. Araştırma kapsamında, mimari kat planları üzerinden Türkiye Bina Deprem Yönetmeliği'nde tanımlanan yapı düzensizliklerini tespit edebilen bir algoritma kurgulanmıştır. Geliştirilen modelde, derin öğrenme yaklaşımı olarak ResNet mimarisi kullanılmış ve çalışmalar, Python 3.11.11 ortamında Spyder geliştirme aracı aracılığıyla gerçekleştirilmiştir. Çalışmanın özgünlüğü, sınıflandırma ve segmentasyon yöntemlerinin birlikte kullanılmasıyla yalnızca düzensizlik tespiti yapılmasıyla sınırlı kalmayıp, aynı zamanda düzensizliğe neden olan bölgelerin görselleştirilerek tasarımcıya geri bildirim sunulmasını sağlamasıdır. Bu doğrultuda araştırma üç farklı çalışma alanı üzerinden yürütülmüştür. Birinci çalışma alanı, değerlendirme durumuna göre mevcut yapıların denetim süreçlerinde kullanılabilirlik açısından seçilmiş olup, sistemin pratik denetim mekanizmalarına entegrasyonu hedeflenmiştir. İkinci çalışma alanı, yıkıcı bir deprem sonrası yapıların hızlı değerlendirilmesi ve deprem risk öncelik sırasının belirlenmesi amacıyla ele alınmıştır. Üçüncü çalışma alanında ise, yıkılan yapıların analiz edilmesi ile ayakta kalan yapıların mevcut durumlarının karşılaştırmalı olarak incelenmesi gerçekleştirilmiştir. Bu kapsamda, gerçek yapı stokuna ait veriler kullanılarak özgün bir veri seti oluşturulmuş ve modelin farklı senaryolardaki performansı test edilmiştir. Geliştirilen sistem, mimarların sezgisel tasarım yaklaşımlarını veri temelli bir denetim mekanizması ile destekleyerek, tasarımın erken aşamalarında yapısal güvenliğin artırılmasına katkı sağlamaktadır. Bu yönüyle çalışma, yapısal güvenliğin yalnızca mühendislik hesaplarına bağlı bir süreç olmaktan çıkarılarak, mimari tasarımın ayrılmaz bir bileşeni haline getirilmesine yönelik önemli bir adım sunmaktadır.
Özet (Çeviri)
Earthquakes experienced in Turkey clearly demonstrate the critical importance of architectural design and structural system configuration in ensuring the safety of reinforced concrete buildings. Decisions made at the early stages of the architectural design process directly influence the seismic performance of a structure and determine the potential level of damage. In this context, this study aims to go beyond conventional approaches by developing an innovative decision support system based on Convolutional Neural Networks (CNNs) for earthquake-resistant structural system design. Within the scope of the research, an algorithm was developed to detect structural irregularities defined in the Turkish Building Earthquake Code by analyzing architectural floor plans. In the proposed model, the ResNet architecture was employed as the deep learning framework, and the implementation was carried out in a Python 3.11.11 environment using the Spyder development platform. The originality of the study lies in the integration of classification and segmentation methods, enabling not only the detection of irregularities but also the visualization of the regions causing these irregularities, thereby providing direct feedback to designers. Accordingly, the research was conducted across three different case study areas. The first case study focuses on the applicability of the system in the inspection processes of existing buildings, aiming to integrate the model into practical assessment mechanisms. The second case study addresses the rapid evaluation of buildings after a destructive earthquake and the prioritization of seismic risk. The third case study involves a comparative analysis between collapsed buildings and those that remained standing, examining their structural conditions. In this context, an original dataset was created using real building stock data, and the performance of the model was evaluated under different scenarios. The developed system supports architects' intuitive design approaches with a data-driven assessment mechanism, contributing to the enhancement of structural safety at the early stages of design. In this respect, the study presents a significant step toward transforming structural safety from a process solely dependent on engineering calculations into an integral component of architectural design.
Benzer Tezler
- Buğdayda farklı melezleme teknikleri kullanarak tohum tutma oranının saptanılması
Başlık çevirisi yok
İSMAİL TÜZÜN
Yüksek Lisans
Türkçe
1986
ZiraatUludağ ÜniversitesiTarla Bitkileri Ana Bilim Dalı
PROF. DR. HALİS RUHİ EKİNGEN
- Doğuştan kalça çıkıklı hastalarda kalça patolojilerinin bilgisayarlı tomografi ile değerlendirilmesi
Başlık çevirisi yok
NECDET ŞÜKRÜ ALTUN
Tıpta Uzmanlık
Türkçe
1987
Ortopedi ve TravmatolojiGazi ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
PROF.DR. ORHAN ASLANOĞLU
- Wistar tipi erkek farelerin gastrointestinal kanal duvarında yaygın apud hücrelerinin türleriyle dağılımlarının modifiye gümüşleme metodlarıyla ışık mikroskobu düzeyinde incelenmesi
Başlık çevirisi yok
MEVLÜT ASAR
Doktora
Türkçe
1986
MorfolojiAkdeniz ÜniversitesiHistoloji ve Embriyoloji Ana Bilim Dalı
PROF. DR. MERAL TEKELİOĞLU