Using artificial neural networks to predict issuance durations of occupancy permit applications
Yapı kullanma izni başvurularında izin alım sürelerinin yapay sinir ağları ile tahmin edilmesi
- Tez No: 299138
- Danışmanlar: PROF. DR. HÜSNÜ MURAT GÜNAYDIN, YRD. DOÇ. DR. SEVGİ ZEYNEP DOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Mimarlık, Architecture
- Anahtar Kelimeler: Belediye hizmetleri, Yapay sinir ağları, Yapay zeka, Çok katmanlı ağlar, Çok katmanlı perseptronlar, İmar Kanunu, İzmir-Konak, Municipal services, Artificial neural networks, Artificial intelligence, Multilayer networks, Multilayer perceptrons, Building Law, İzmir-Konak
- Yıl: 2011
- Dil: İngilizce
- Üniversite: İzmir Yüksek Teknoloji Enstitüsü
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mimarlık Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, gecikme sebepleri kullanılarak yapı kullanma izni başvurularının izin alım sürelerinin tahmin edilmesi ve tahmin başarısına etkiyen en önemli sebeplerin ortaya çıkarılması amaçlanmıştır.Çalışmanın verileri, yapı kullanma izni alım sürecinin analiz edildiği önceki bir çalışmadan elde edilmiştir. İzmir Konak Belediyesi'ne yapı kullanma izni almak üzere yapılmış 80 adet başvurunun gecikme sebepleri ve izinlerinin onay sürelerinden tahmin modelinin kurulumunda yararlanılmıştır.İzin alım sürelerinin öngörülebilmesi için Yapay Sinir Ağları (YSA) yöntemi kullanılmıştır. YSA modeli, İzmir Konak Belediyesi'ne 2008 yılında yapılan yapı kullanma izni başvurularından, izin alım süreci içerisinde en az bir kez reddedilmiş başvurular ile kurulmuştur. Daha sonra izin alım sürecindeki en etkili gecikme nedenlerini bulmak için duyarlılık analizi yapılmıştır.Yapı kullanma izni alım sürelerinin gecikme sebepleri, araştırmanın verileri değerlendirilerek ortaya çıkarılmıştır. Gecikme sebeplerinden altı adet girdi parametresi üretilmiş ve YSA modelinde kullanılmıştır: 1) Eksik onay belgelerinin sayısı, 2) Eksik makbuzların sayısı, 3) Yapının yönetmeliklere ve ilgili inşa kanunlarına uygunluğuyla ilgili eksik evrakların sayısı, 4) Başvurudaki toplam eksik evrak sayısı, 5) İlk başvurunun yapıldığı mevsim ve 6) Başvurunun ilk reddedildiği mevsim.Araştırmanın sonuçları, tahmin başarısının %86 olduğunu göstermiş ve sırasıyla eksik onay belgelerinin sayısı, eksik makbuzların sayısı ve ilk başvurunun yapıldığı mevsim girdilerinin modele etkiyen en önemli ilk üç girdi olduğunu ortaya koymuştur. Bu çalışma yapı kullanma izni alım sürelerinin gecikme sebeplerine direk bağlı olduğunu ve öğrenilip YSA modeli tarafından tahmin edilebileceğini kanıtlamıştır. Böylece, yapı kullanma izni sürecinin yeniden yapılandırılması gerekliliğini de vurgulamıştır.
Özet (Çeviri)
This study aims to predict the issuance durations of occupancy permit applications using the delay causes defined in the permit process and reveal the most significant causes affecting the performance of the prediction.Research data are gathered from a previous study that also analyzed the occupancy permit process. Delay causes of 80 new building occupancy permit applications made to the Izmir Konak Municipality and their issuance durations are used to design the prediction model.Artificial Neural Networks (ANN) is used for predicting the issuance durations of occupancy permit applications. The model is constructed to predict the issuance durations of least once rejected applications made to Izmir Konak Municipality during year 2008. Then, sensitivity analysis is carried out to detect the most significant delay causes affecting the issuance duration.Permit data are examined to reveal the delay causes of occupancy permit process. Six inputs are generated from the delay causes and used in ANN model: 1) Number of missing approval letters, 2) Number of missing payment documents, 3) Number of non-conformances of project to codes and regulations, 4) Number of all missing documents, 5) First permit application season, 6) First permit rejection season. Total issuance durations of the occupancy permit applications are used as the output parameters of the model.The results of the analysis indicate that the prediction accuracy of the model is 86% and the number of missing approval letters, the number of missing payment documents, and the first application season are respectively the three most significant inputs affecting the prediction performance of the model. This study proves that the total issuance durations are so bound to the delay causes in the permit process that it can be learned and predicted by the ANN model and the occupancy permit process is required to be reengineered.
Benzer Tezler
- Halka arzların ilk gün fiyat performanslarının tahmininde yapay sinir ağlarının kullanımı
Using artificial neural networks to predict post-issue market price performance of initial public offerings
AYSUN KAPUCUGİL
- Kara Kuvvetleri Komutanlığında intihar olaylarının incelenmesi ve erbaş/er intiharlarının öngörülmesinde yapay sinir ağlarının kullanılması
Application of artificial neural networks to predict soldier suicides in the Turkish Army
İSMAİL AKIN
Yüksek Lisans
Türkçe
2004
Savunma ve Savunma TeknolojileriKara Harp Okulu KomutanlığıHarekat Araştırması Ana Bilim Dalı
Y.DOÇ.DR. BİROL YILDIZ
- Yapay sinir ağları ile elektronik devre tasarım otomasyonu ve performans optimizasyonuna yönelik yeni yaklaşımlar
Novel approaches to electronic circuit design automation and performance optimization using artificial neural networks
FUNDA DAYLAK
Doktora
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. İSMAİL SERDAR ÖZOĞUZ
- An artificial neural network approach to predict the results of strain gauge measurements in the tensile testing of unidirectional laminated composites
Tek yönlü katmanlı kompozitlerin çekme testi gerinim ölçer sonuçlarını tahmin etmek için yapay sinir ağları yaklaşımı
ANIL BURAK KARALAR
Yüksek Lisans
İngilizce
2023
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DEMET BALKAN
- Modeling the water quality of lake Eymir using artificial neural networks (ANN) and adaptive neuro fuzzy inference system (ANFIS)
Eymir gölü?nde su kalitesinin yapay sinir ağları ve adaptif sinirsel bulanık ilişkisel sistem ile modellenmesi
MUHİTTİN ASLAN
Yüksek Lisans
İngilizce
2008
Çevre MühendisliğiOrta Doğu Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYŞEGÜL AKSOY