Neural network-based estimation of seismic demand parameters for reinforced concrete frame buildings
Betonarme çerçeve binalarda sismik talep parametrelerinin sinir ağı tabanlı tahmini
- Tez No: 940827
- Danışmanlar: PROF. DR. BARIŞ BİNİCİ
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Betonarme, Betonarme yapılar, Betonarme çerçeve, Yapay sinir ağları, Reinforced concrete, Reinforced concrete structures, Reinforced concrete frame, Artificial neural networks
- Yıl: 2025
- 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
Yapıların sismik performansını değerlendirmek, deprem riski yüksek bölgelerde can ve mal güvenliği açısından kritik öneme sahiptir. Son depremler, tasarım ve inşaat hatalarının deprem kayıplarını önemli ölçüde artırabileceğini göstermiştir. Geleneksel değerlendirme yöntemleri hızlı, ön incelemelerden ayrıntılı doğrusal olmayan analizlere kadar uzanır. Ancak basitleştirilmiş yöntemler sınırlı veri ve idealize edilmiş varsayımlar nedeniyle aşırı temkinli sonuçlar üretirken, ayrıntılı yöntemler kapsamlı veri ve yüksek hesaplama gücü gerektirir. Bu tez, büyük ölçekli sismik değerlendirme uygulamaları için yüksek doğruluklu bir çerçeve sunmayı amaçlamaktadır. Bu doğrultuda, betonarme çerçeve binaların önemli sismik talep parametrelerini tahmin etmek üzere çok seviyeli yapay sinir ağı tabanlı bir yöntem önerilmiştir. Farklı girdi parametrelerine sahip üç ayrı sinir ağı modeli temel yapı periyodunu ve maksimum katlar arası ötelenme oranını tahmin etmek üzere eğitilmiştir. Eğitim için 4.417 betonarme çerçeveli yapı envanterinden, sismisite seviyeleri, beton dayanım değerleri ve zemin sınıfları sistematik olarak değiştirilerek 795.060 yapıdan oluşan kapsamlı bir sentetik veri seti oluşturulmuştur. Model tahminlerini yorumlamak için Açıklanabilir Yapay Zeka teknikleri kullanılmıştır. Sinir ağının doğruluğu, tahmin edilen maksimum katlar arası ötelenme oranına göre belirlenmiş talep kategorilerinin 2023 Türkiye depremlerinde gözlemlenen hasar verileriyle karşılaştırılmasıyla ortaya konmuştur. Son olarak, model 23 milyon binayı içeren bir simülasyon veri setine uygulanarak tahmini maksimum katlar arası ötelenme oranına dayalı ulusal bir sismik talep haritası oluşturulmuştur. Geliştirilen yaklaşım, hız ve doğruluk açısından geleneksel yöntemleri önemli ölçüde geride bırakarak betonarme çerçeve binalar için hızlı durum taraması ve risk azaltma planlaması açısından etkili bir araç sunmaktadır.
Özet (Çeviri)
Evaluating structures' seismic performance is crucial for ensuring life and property safety in earthquake-prone regions. Recent earthquakes have shown that design and construction errors can significantly increase earthquake losses. Traditional assessment methods range from rapid, preliminary techniques to detailed nonlinear analyses. However, simplified methods often produce overly conservative results due to limited data and idealized assumptions, while detailed methods require extensive data and high computational costs. This thesis aims to present a sufficiently accurate framework for large-scale seismic assessment applications. To this end, a multi‑level neural network-based approach is proposed to estimate key seismic demand parameters of reinforced concrete (RC) frame buildings. Three distinct neural network models with differing input parameters are trained to estimate the fundamental structural period and maximum interstory drift ratio (MIDR). For training, a comprehensive synthetic dataset of 795,060 buildings is generated from an inventory of 4,417 RC frame buildings by systematically varying seismicity levels, concrete‑strength values, and soil classes. Explainable Artificial Intelligence techniques are employed to interpret model predictions. The validity of the neural network is demonstrated by comparing demand categories based on predicted MIDR values with observed damage data from the 2023 Türkiye earthquakes. Finally, the model is applied to a simulation dataset of 23 million buildings, producing a nationwide seismic demand map based on predicted MIDR values. The developed approach significantly outperforms traditional methods in terms of speed and accuracy, providing a practical tool for rapid vulnerability assessment and risk-mitigation planning for RC frame buildings.
Benzer Tezler
- Bingöl ilindeki konut türü yapılar için hızlı değerlendirme yöntemlerinin yapay sinir ağları kullanılarak karşılaştırılması
Comparison of rapid evaluation methods for residential buildings in Bingöl province by using artificial neural networks
SADIK VAROLGÜNEŞ
Doktora
Türkçe
2023
İnşaat MühendisliğiDicle Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULHALİM KARAŞİN
- Gelişim nörolojisi polikliniğine başvuran nöral tüp defektli olgularda prospektif bir inceleme
Başlık çevirisi yok
İLKBAHAR EMİNE GÜLTEKİN
Yüksek Lisans
Türkçe
1986
Çocuk Sağlığı ve Hastalıklarıİstanbul ÜniversitesiAile Sağlığı Ana Bilim Dalı
DOÇ. DR. SELÇUK APAK
- Çukurova bölgesinde biyoklimatik veriler kullanılarak açık ve yeşil alan sistemlerinin belirlenmesi ilkeleri üzerinde bir araştırma
A research on the determination of the principles in open and green spaces systems by using the bioclimatic data in Çukurova region
MEHMET FARUK ALTUNKASA
Doktora
Türkçe
1987
Çevre MühendisliğiÇukurova ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
DOÇ. DR. ERDOĞAN GÜLTEKİN
- Bazı besiyeri faktörlerinin mısır (Zea mays L.) ve arpa (Hordeum vulgare L.) embriyo kültürleri üzerine etkileri
Başlık çevirisi yok
ATALAY SÖKMEN
Yüksek Lisans
Türkçe
1987
BiyolojiCumhuriyet ÜniversitesiBiyoloji Ana Bilim Dalı
DOÇ. DR. RAHMİ BİLALOĞLU
- Neutral atoms transport in a finite thickness plasma slab
Başlık çevirisi yok
MOHAMED NAZİH RHİMİ
Yüksek Lisans
İngilizce
1987
Fizik ve Fizik MühendisliğiOrta Doğu Teknik ÜniversitesiDOÇ. DR. SİNAN BİLİKMEN