Utilization of artificial neural networks in building damage prediction
Bina hasar tahminlerinde yapay sinir ağlarının kullanılması
- Tez No: 82593
- Danışmanlar: PROF. DR. POLAT GÜLKAN
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: hasar, hasar modeli, lineer olmayan dinemik hesap, yapay sinir ağlan. vı, Hasar tespiti, Yapay sinir ağları, Yapı sistemleri, damage, damage model, nonlinear dynamic structural analysis, artificial neural networks. IV, Damage detection, Artificial neural networks, Structure systems
- Yıl: 1999
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
oz bina hasar tahminlerinde yapay sinir ağlarının kullanılması ERKUŞ, Banş Yüksek Lisans Tezi, İnşaat Mühendisliği Bölümü Tez Yöneticisi: Prof. Dr. Polat GÜLKAN Eylül 1999, 121 Sayfa Bu çalışmada yapı sistemlerinin perde duvar, kolon, kiriş gibi çeşitli özellMerinin, deprem etkileri altında meydana gelen hasar üzerindeki etkileri araştırılmıştır. Çalışmanın birinci bölümde bir adet perde duvarlı çerçeve, iki adet kolon ve kirişlerden meydan gelen çerçeve, ve bir adet tek serbestlik dereceli sistem, doğrusal olmayan hasar analizi yapacak şekilde El Centro deprem kaydı kullanılarak hesaplanmıştır. Bu amaçla değiştirilmiş Park ve Ang hasar modeli kullanılmıştır. Çalışmanın ikinci bölümde yapay sinir ağları hasar hesabı için kullanılmıştır. Çalışmalar iki farklı yapay sinir ağı modeli üzerinde yoğunlaşılmıştır. Birinci modelde çok katmanlı bir ağ, birinci bölümde elde edilen iki farklı öğrenme kümesi kullanılarak hasar değeri hesaplamasında kullanılmıştır. İkinci bölümde yeni bir yaklaşım denenmiştir. Bu modelde hasar sınıflandırma problemi irdelenmiştir. Her iki model için öğrenme hızı aralığı ve periyodu konulan tanıtılmıştır. Perde duvar, kolon, sönüm yüzdesinin ve yapısal kütlenin, yapısal hasarı etkileyen en önemli parametreler olduğu saptanmıştır. Bu etkinin El Centro depreminin en yüksek yer ivmesinin 0.2g değerinden daha büyük olmasıdurumunda arttığı gözlemlenmiştir. TS-500 EUROCODE-2 ve ACI yapı yönetmeliklerine göre yapılan tasarımların en ekonomik dizayn parametrelerini sağladığı saptanmıştır. Yapay sinir ağlarının performasının öğrenme kümesinin büyüklüğünden çok etkilendiği gösterilmiştir. Önerilen yeni modelin hasar sınıflandırma probleminde oldukça başarılı olduğu gözlemlenmiştir.
Özet (Çeviri)
ABSTRACT UTILIZATION OF ARTIFICIAL NEURAL NETWORKS IN BUILDING DAMAGE PREDICTION ERKUŞ, Bans M.S., Department of Civil Engineering Supervisor: Prof. Dr. Polat GÜLKAN September 1999, 121 Pages In this study effects of several characteristics of structural systems such as shear wall, column, beam parameters on structural damage of generalised yielding structural systems under earthquake effects are examined. In the first part of the study one frame with shear wall, two beam and column frames and a SDOF system are analysed for nonlinear damage under the EL Centro earthquake ground motion. A modified version of Park and Ang damage model is employed for this purpose. In the second part of the study, artificial neural networks, are utilised for the implementation of damage analysis. Two types of multilayer neural network models are used. In the first model the damage indices are estimated by two multilayer networks trained with two different training sets obtained from the first part of the study. In the second model a new approach is used. In this model the problem of damage classification is implemented. For both models learning rate and period concepts are introduced. It is found that shear wall, column, damping and structural mass are the most important structural parameters that effect damage. This effect is more evident when PGA of the earthquake used in the analyses is larger than 0.2g. It is inIt is found that shear wall, column, damping and structural mass are the most important structural parameters that effect damage. This effect is more evident when PGA of the earthquake used in the analyses is larger than 0.2g. It is observed that the design according to TS-500, EUROCODE-2 and ACI results in the most economical design. Performance of the neural network implementation of the damage indices is showed to be highly dependent on the size of the training set. The new model proposed is observed to be an efficient tool for damage classification problem.
Benzer Tezler
- Hücresel imalat sistemlerinde maliyet ve sinir ağları tabanlı iki evreli bir kümelendirme yaklaşımı
Artificial neurat network x operation costs based twostage GT clusterning procedure
AFFAN NOMAK
Yüksek Lisans
Türkçe
1995
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. BÜLENT DURMUŞOĞLU
- Güç sistemi gözetiminde yapay nöral devre ile stokastik işaret işleme
Stochastic signal processing with neural network in power plant monitoring
SERHAT ŞEKER
Doktora
Türkçe
1995
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. ÖZER ÇİFTÇİOĞLU
- Simulation metamodeling with neural networks
Yapay sinir ağları ile benzetim meta modellerinin oluşturulması
SOUHEYL TAVHAMİ
Yüksek Lisans
İngilizce
1997
Endüstri ve Endüstri Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiDOÇ. DR. İHSAN SABUNCUOĞLU
- Parça yerleştirme algoritmalarının postal oluşturma problemine uygulanması
Başlık çevirisi yok
FİLİZ BUNYAK
Yüksek Lisans
Türkçe
1996
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDOÇ.DR. FÜSUN TUNALI (SEÇUK)
- Artdeco akımı cephe tipolojilerine bağlı olarak geliştirilen uzman sistem modeli
The Model of expert system dependent on the front typologies of art deco flow
TOGAN TONG