Kazı destekleme sistemlerinin olası deplasmanlarının tahmini için python programına dayalı yapay sinir ağları algoritmalarının geliştirilmesi

Yükleniyor...
Küçük Resim

Tarih

2022

Dergi Başlığı

Dergi ISSN

Cilt Başlığı

Yayıncı

İstanbul Gedik Üniversitesi

Erişim Hakkı

info:eu-repo/semantics/openAccess

Özet

Bu tez çalışması İstanbul Gedik Üniversitesi Fen Bilimleri Enstitüsü'nün İnşaat Mühendisliği'nde Geoteknik Ana Bilim Dalı ve Makine Öğrenmesi alanlarında multi-disipliner çalışmayı içermektedir ve geoteknik mühendisliği yüksek lisans derecesi gereksinimlerini kapsamaktadır. İnşaat sektörü her geçen gün yeni teknoloji geliştiriyor ve kalite kazanıyor. Ayrıca nüfus arttıkça şehirlerdeki her arazi potansiyel inşaat alanı olarak değer görebilmektedir. Bu durumlarda geoteknik açıdan meydana gelebilecek problemlere yenilikçi çözümler geliştirilmesi zorunluluğu doğmaktadir. Dolayısıyla geoteknik mühendisliğini ilgilendiren durumlardan biri de kazı stabilitesi problemlerinin çözümüdür. Bu noktada kazı deplasmanını en doğru biçimde tahmin edebilmek için kazı stabilitesinin incelenmesi gerekmektedir. Can ve mal kaybı açısından birçok önemli durumda, kazı stabilitesi fenomeni inşaat mühendisleri için hem tasarım hem de uygulama alanlarında kritik bir konudur. Literatüre göre kazı stabilitesinin günümüze kadar klasik yöntemlerle hesaplandığı ve zemin davranışı ile ilgili araştırmaların devam ettiği bilinmektedir. Zemini bilmek ve doğru yöntemi seçmek, maliyeti düşürür ve güvenliği artırır. Bu nedenle kazı stabilitesinde yenilikçi yöntemler geliştirmek ve stabilite kriterlerini araştırmak uygun görülmüştür. Araştırma belirli parametreleri kapsamaktadır. Bu araştırmada kazı stabilitesi yöntemleri araştırılacak ve Python kodu kullanılarak yapay sinir ağlarında bir model geliştirilecektir. Böylece, sonuçların kısa sürede hesaplanması ve deplasmanların gerçeğe en uygununu elde etmek için kazı destekleme elemanlarının yatay deplasmanı Model tarafından hızlı bir şekilde hesaplanacaktır. Bu çalışma kapsamında, 126 adet vaka kullanılmıştır. Verilerin işlenmesi ile 45 adet vaka aykırı tespit edilmiştir ve 81 adet vaka ile yapay zeka mantığında çalışan yapay sinir ağı modelleri geliştirilmiştir. Modeller arasıda 3 adet model doğrusal regresyon ile oluşturulmuştur. Sklearn kütüphanesinin MLPRegressor ile çok katmanlı yapay sinir ağı olarak da 15 çeşit Model kullanıldı. Modelde verinin ham halinde 5 adet adet girdi parametresi ve 1 adet çıktı parametresi bulunmaktadır. Modellerde verinin işlenmsi sürecinden sonra 27 adet girdi katmanı ve 1 adet çıktı katmanı olmuştur. 5 adet girdi katmanının 4 tanesi Destek_Aralıgı(mm), yanal rijitlik(EI\n(kNm2/m)), kazı derinliği(H_Kazı(mm)), düşey deplasman ölçüm(?v_Olcum(mm)) ve 5. girdi verisi Destekleme_Sistemidir. Destekleme Sisteminin tiplerine ayrılması ile toplamda 27 adet girdi verisi elde edilmektedir. Bu tez kapsamında yapay zeka teknolojisinin inşaat mühendisliği problemlerinde uygulanabilirliğini, yatay deplasman tahmini yapabilen python programanına dayalı yapay sinir ağı geliştirmek. Böylelikle uzun süreçler alan hesaplama işlemleri hızlı bir şekilde gerçekleştirmek ve maliyetlerin azaltılması sağlayabilmek gibi amaçları da barındırmaktadır. Tez kapsamında aynı zamanda veri işleme sürecinin kurulan Modele etkisi betimsel istatistik olarak değerlendirmesi yapılmış ve önemi vurgulanmıştır. Verilerin eğitim aşamasında iken eğitim ve test seti olarak hangi oranda ayrılacağı da Modelin başarına etkidiğini görülmüştür. Bu araştırma da ilk olarak kazı stabilitesi analizi yöntemleri incelenmekte ve daha sonra kazı destekleme sistemleri ele alınmaktadır. Sonraki bölümlerde destekleme tiplerine göre ile ilgili parametreler saha verilerinden alınarak ve yapay sinir ağı Modeli oluşturulmaktadır. Kurulan Model ile yapılan tahminin literatürdeki ilgili tezlerle mükayese edilmektedir. Kurulan Modellerde en başarılı Modelin Model10 olduğu ve varyansının % 86,75 olduğu görülmektedir. Önceden belli olan sonuçlara göre, yapılan tahminlerin biriyle örtüşmesi, geliştirilecek olan makine öğrenmesinin asıl amacıdır. Kurulan Modelin ileride geliştirilerek farklı parametrelerle de yapı çukuru için muazzam öneme sahip yatay deplasman tahminleri yapılabileceği gibi diğer meslek problemlerinde de kullanılabilecektir. Kurulan Model sonraki aşamlarda geliştirilerek baskın parametrelerin tayinine, parametreler arasındaki ilişkilerin ortaya çıkarılması gibi alanlarda çalışılarak genişletilebilecektir.
This thesis study includes multi-disciplinary study in Geotechnical Department and Machine Learning in Civil Engineering of Istanbul Gedik University Graduate Education Institute and covers the requirements of Geotechnical Engineering Master's degree. Every day, the construction sector develops new technology and improves its quality. Furthermore, when the population of cities grows, every piece of land in the city might be considered a prospective construction site. It is vital to discover novel solutions to difficulties that may arise in geotechnical terms under these situations. As a result, solving excavation stability difficulties is one of the geotechnical engineering issues. The stability of the excavation should be checked at this phase in order to get the most accurate estimate of the excavation displacement. The excavation stability phenomenon is a crucial issue for civil engineers in both design and application fields in many important circumstances involving loss of life and property. According to the literature, excavation stability has been calculated using traditional methods, and soil behaviour research continues. Knowing the terrain and selecting the appropriate method saves money and improves safety. As a result, it has been determined that developing creative methodologies and investigating stability criteria in excavation stability is necessary. Certain parameters are included in the study. In this study, excavation stability methods will be examined, and a model in artificial neural networks will be built using Python code. Thus, the model will swiftly calculate the horizontal displacement of the excavation support parts in order to calculate the results in a short time and acquire the most realistic displacements. In this case, 126 case studies. Set up of 45 case external placements related to the data. 18 kinds of Models were applied as multipurpose artificial network with MLP of Sklearn library. In the Model, there are 5 input parameters and 1 output parameter in the raw form of the data. After the data processing process in the Models, 27 inputs and 1 came to the fore. 4 of the 5 inputs are Support_Spacing(mm), lateral stiffness (EI\n(kNm2/m)), pile (H_Excavation(mm)), vertical displacement measurement (?v_Olcum(mm)) and its 5th data are Support_System. By splitting the ends of the Support System, a total of 27 input data is obtained. In this thesis, the applicability of artificial intelligence technology in civil engineering problems, a wide field of view about the horizontal displacement python program. You can benefit from the right planning processes in a short time. At the same time, the impact of data on an unimaginable Model is evaluated as descriptive statistics and highlighted. The training success of the Model, in which the data will be separated as training success, training and test set, will be the training and test set. In this research, first of all, stability stability is examined and then excavation support systems can then be discussed. In the areas related to the next support types, a network of artificial networks is created from field data. The estimation made with the established Model is compared with the relevant theses in the literature. It is seen that the most successful Model in the established Models is Model10 and its variance is 86.75%. The course of the obvious predictions that emerge is the main purpose of the machine to be developed. The established Model can be developed in the future, it can be enormous for the pit in different areas, it can also support professional problems in the world such as displacement estimations. The established Model can be developed in a way that can be developed by designing it as an abrasive.

Açıklama

Lisansüstü Eğitim Enstitüsü, İnşaat Mühendisliği Ana Bilim Dalı, İnşaat Mühendisliği Bilim Dalı

Anahtar Kelimeler

Derin Kazı ve Stabilizasyonu, Geoteknik Model, Python, Makine Öğrenmesi, Yapay Zeka, Yapay Sinir Ağı, Veri İşleme, Deep Excavation and Stabilization, Geotechnical Model, Python, Machine Learning, Deep Learning, Neural Network, Data Processing

Kaynak

WoS Q Değeri

Scopus Q Değeri

Cilt

Sayı

Künye