Tekil temel optimum tasarımı için makine öğrenmesi tabanlı tahmin modeli
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: İstanbul Üniversitesi-Cerrahpaşa, Mühendislik Fakültesi, İnşaat Mühendisliği Bölümü, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: HANİ KEREM TÜRKOĞLU
Danışman: Gebrail Bekdaş
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Yapı dinamik ve statik yükler altındayken, üzerinde bulunduğu zeminde üniform olmayan oturmaların oluşma riskinin bulunmadığı alanlarda tasarlanması daha uygun olan; planda farklı geometrilerde bulunabilen kolon altlarına tek bir kolon için teşkil edilen tekil temellerin yapısal tasarımında göz önüne alınması gereken birçok faktör bulunmaktadır. Tekil temel tasarımında, zemin özellikleri ile yapısal etkiler göz önünde bulundurularak; güvenlik, maliyet ve kaynakların optimum kullanıldığı bir tasarım yapmak gereklidir. Bu çalışmada, tekil temellerin maliyet optimizasyonu, bir metasezgisel algoritma olan Jaya algoritması ile gerçekleştirilmiştir. Öncelikle tekil temel hesabında kullanılan formüller sentezlenerek bir amaç fonksiyonu bulunmuştur. Bu amaç fonksiyonunu optimize etmek üzere Jaya algoritması kullanılıp optimizasyon işlemi gerçekleştirilmiştir. Çeşitli durumlar altında optimizasyonlar yapılıp; elde edilen veriler, insan beyninin bilgi işleme yönteminden yola çıkılarak geliştirilmiş bir veri işleme teknolojisi olan yapay sinir ağlarının (YSA) eğitiminde kullanılmıştır. Optimizasyon işlemi ve farklı durumlardaki optimum tasarım sonuçlarının yapay sinir ağlarına (YSA) öğretilmesinin ardından, tasarımcıya optimum tasarıma yakın bir tasarımı önerebilen; makine öğrenmesi tabanlı bir tahmin modeli ortaya çıkartmak hedeflenmiştir. Jaya algoritmasının tekil temel tasarım optimizasyonunu başarıyla gerçekleştirdiği ve tutarlı sonuçlar verdiği gözlenmiştir. Jaya algoritmasından elde edilen optimum sonuçlardan oluşan veri seti ile eğitimi gerçekleştirilen yapay sinir ağlarının, doğru tahminde bulunabilmesi için büyük ölçekli bir veri setine ihtiyaç duyduğu gözlemlenmiştir. Yeterli veri seti sağlandığında, başarılı tahminin gerçekleştiği belirlenmiştir. Ayrıca çıktı parametreleri sayısının azaltılmasıyla yapay sinir ağlarının tahmin oranının arttığı görülmüştür.