Depreme dayanıklı mimari tasarımda yapay zeka uygulamaları: Derin öğrenme ve görüntü işleme yöntemi ile düzensiz taşıyıcı sistem tespiti

Mimari tasarım süreci ana tasarım kararlarının alınmasından detaylandırma aşamasına kadar farklı birçok konuda uzmanlaşmış kişilerin işbirliği ile gerçekleşse de ana kararların alınması, plan organizasyonu, kütle kurgusu vb. temel kararlar mimar tarafından alınmaktadır. Bilgisayar Destekli Tasarım (CAD) programları ise genellikle, tasarımın ana kararları alındıktan sonra etkili olmaktadır. Bu nedenle, süreçte alınan ana kararların taşıyıcı sistem hesabı sırasında değiştirilmesinin gerekmesi ise sıkça rastlanan bir durum haline gelmektedir. Bunun oluşmaması için mimari tasarımın erken evrelerinde deprem mimarlığı bilinciyle taşıyıcı sistem kurgusunun bir tasarım girdisi olarak sürece katılması gerekir; çünkü mimari tasarım aşamasında taşıyıcı sistem kurgusunun iyi düşünülmemesi, uygulama projesi aşamasında beklenmedik revizyonlarla karşılaşılmasına ve dolayısıyla hem süreç hem de maliyet olarak ciddi kayıplara sebep olmaktadır.   Bu çalışmanın amacı, söz konusu probleme çözüm oluşturacak şekilde, derin öğrenme ve görüntü işleme yöntemleri kullanarak, tasarımın erken evrelerinde, mimarlara taşıyıcı sistem kararlarının deprem yönetmeliğine uygunluğu hakkında genel bilgiler verebilecek bir Düzensizlik Kontrol Asistanı (DK Asistanı) oluşturulmasıdır. Böylelikle, tasarımın erken aşamasında doğru kararlar alınması sağlanacak, uygulama projesi aşamasında gerçekleşebilecek beklenmedik revizyonlar engellenecektir.

___

  • 1. Arnold, C., Architectural Aspects of Seismic Resistant Design, Paper 2003, Eleventh World Conference on Earthquake Engineering, Elsevier Science Ltd., 1996.
  • 2. Lu, P., Chen, S., Zheng, Y., Artificial Intelligence in Civil Engineering, Mathematical Problems in Engineering, Vol. 1-22, 2012.
  • 3. The Artificial Use Of The Term “Intelligence”, https://becominghuman.ai/the-artificial-use-of-the-term-intelligence-c82878447dfd. Yayın tarihi Temmuz 31, 2017. Erişim Tarihi: Nisan 14, 2019.
  • 4. Afet ve Acil Durum Yönetim Başkanlığı, Türkiye Bina Deprem Yönetmeliği, 19-30, 2018.
  • 5. Python for Education: Permutations Andrzej Kapanowski Marian Smoluchowski Institute of Physics Jagiellonian University, Cracow, Poland. Python Papers ., Vol. 9, 1-17, 2014.
  • 6. Olafenwa, J., 2019, Image AI – “Train Image Recognition AI with 5 Lines of Code” Deequest AI.
  • 7. McCarthy, J., What is Artificial Intelligence?, Stanford University, http://www-formal.stanford.edu/jmc/whatisai/, Yayın tarihi 2007.Erişim Tarihi: Nisan 14, 2019.8. Nabiyev, V. V., “Yapay Zeka: İnsan-Bilgisayar Etkileşimi(3ed)”, Seçkin Yayıncılık, Sözkesen Matbaacılık: Ankara, 2-55, 2016.
  • 9. Weizenbaum, J., ELIZA--A Computer Program For the Study of Natural Language Communication Between Man and Machine, Communications of the ACM, Vol. 9, Number 1, 36-45, 1966.
  • 10. Yapay Zeka, Makine Öğrenmesi ve Derin Öğrenme İlişkisi, https://becominghuman.ai/the-artificial-use-of-the-term-intelligence-c82878447dfd ,Yayın tarihi Temmuz 2017, Erişim Tarihi: Kasım 2019.
  • 11. Russell, S. and Norvig, P. Artificial Intelligence: A Modern Approach (3rd ed.). Upper Saddle River, New Jersey: Prentice Hall, 2-8, 2010.12. Haugeland, J., Artificial Intelligence: The Very Idea. MIT Press, 1985.
  • 13. Bellman, R., An Introduction to Artificial Intelligence: Can Computers Think?, Boyd&Fraser Publishing Company, San Fransisco, 1978.14. Kurzweil, R., The Age of Intelligent Machines, MIT Press, 1990.
  • 15. Rich, E. and Knight, K., Artificial Intelli- gence (second edition). McGraw Hill, 1991.
  • 16.Charniak, E. and McDermott, D., Introduction to Artificial Intelligence, Addison-Wesley, 1995.
  • 17.Winston, P. H., Artificial Intelligence (third edition), Addison- Wesley, 1992.
  • 18.Poole, D., Mackworth, A. K., and Goebel, R., Computational intelligence: A logical approach, Oxford University Press, 1998.
  • 19. Nilsson, N. J., Artificial Intelligence: A New Synthesis, Morgan Kaufmann, 1998.
  • 20.Koza, J. R., Bennett, F. H., Andre, D., Keane, M. A., Automated Design of Both the Topology and Sizing of Analog Electrical Circuits Using Genetic Programming, Artificial Intelligence in Design '96. Springer, Dordrecht, 151–170, 1996.
  • 21. Bishop, C. M., Pattern Recognition and Machine Learning, Springer, 2006.
  • 22. Friedman, J.H., Data Mining and Statistics: What's the connection?, Computing Science and Statistics. 29, 3–9, 1998.
  • 23. Pirim, H., Yapay Zeka, Journal of Yaşar University, 81-93, 2011.
  • 24. Yurtcu, Ş., ve Özocak, A., İnce Daneli Zeminlerde Sıkışma İndisi’nin İstatistiksel ve Yapay Zeka Yöntemleri ile Tahmin Edilmesi, Journal of the Faculty of Engineering and Architecture of Gazi University, 31:3, 597-608, 2016.
  • 25. Ertel, W., Under Graduate Topics Computer Sience: Introduction to Artificial Intelligence, Springer London Dordrecht Heidelberg New York, 221, 2009.
  • 26. Bengio, Y.; Courville, A.; Vincent, P., Representation Learning: A Review and New Perspectives, IEEE Transactions on Pattern Analysis and Machine Intelligence, 35 (8): 1798–1828, 2013.
  • 27. Chollet, F., Deep Learning with Python 1 ed. Manning Publications Co. 20 Baldwin Road PO Box 761 Shelter Island, NY 11964, 10-12, 2018.
  • 28. Yapay Sinir Ağları ve Derin Öğrenmenin Farkı, Yayın Tarihi Eylül 10, 2019. Erişim Tarihi Nisan 14, 2019. https://www.endustri40.com/yapay-zeka-makine-ogrenimi-ve-derin-ogrenme-arasindaki-farklar/
  • 29. İdemen, A.E., Bina Ağırlık Merkezi- Rijitlik Merkezi İlişkisini Mimari Tasarım Aşamasında Kuran Bir Uzman Sistem”, İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, 2003.
  • 30. Tuzcuoğlu, H., Yapay Zeka Teknikleri, Depremde Kullanılması ve Küme Kuramları, DEÜ Mühendislik Fakültesi Fen ve Mühendislik Dergisi Cilt: 5 Sayı: 1, 73-88, 2003.
  • 31. Günaydın, H.M., Doğan, S.Z., A Neural Network Approach for Early Cost Estimation of Structural Systems of Buildings, International Journal of Project Management 22, 595–602,2004.
  • 32. Patil, A., Patted, L., Tengai, M., Jahagirdar, V., Artificial Intelligence as a Tool in Civil Engineering – A Review, IOSR Journal of Computer Engineering (IOSR-JCE), National Conference on Advances in Computational Biology, Communication, and Data Analytics, 36-39, 2017
  • 33. Baydoğan, B.Ç., Tip İmar Yönetmeliğine Uygun Vaziyet Planı Üreten Bir Yapay Zeka Destek Sistemi, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, 2013.
  • 34. Waziri, S.B., Bala, K., Bustani, A.S., Artificial Neural Networks in Construction Engineering and Management, International Journal of Architecture, Engineering and Construction Vol 6, No 1, 50-60, 2017.
  • 35. Wei, L., AI Concepts in Architectural Design, IOP Conf. Series: Materials Science and Engineering 392,1-4, 2018.
  • 36. Cudzik, J., Radziszewski, K., Artificial Intelligence Aided Architectural Design, Gdansk University of Technology, AI for Design and Built Environment, Volume 1, 77-84, 2018.
  • 37. Ünay, İ.A., Tarihi Yapıların Depreme Dayanımı, ODTÜ Mimarlık Fakültesi Basım İşbirliği, 6-8, 2002.
Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi-Cover
  • ISSN: 1300-1884
  • Yayın Aralığı: Yılda 4 Sayı
  • Başlangıç: 1986
  • Yayıncı: Oğuzhan YILMAZ
Sayıdaki Diğer Makaleler

Farklı oranlardaki çinko katkılarının AC-48100 (Al-17Si-4Cu-Mg) alaşımının yapısal, mekanik ve tribolojik özelliklerine etkisinin incelenmesi

Ali Paşa HEKİMOĞLU, Murat HACIOSMANOĞLU, Muzaffer BAKİ

Polioksimetilen (POM) / polipropilen (PP) harmanlarının uyumlaştırılması ve mekanik, reolojik ve katı-hal sünme özelliklerinin incelenmesi

Alper KAŞGÖZ

Otomobil güç aktarım sistemleri için elastomer yaylı sönüm sisteminin tasarımı ve doğrulanması

Mehmet Onur GENÇ, Necmettin KAYA

Değişken kalınlıklı tüplerin enerji sönümleme davranışlarının sayısal incelenmesi

Hasan GEDİKLİ, Dursun MERİÇ

Duygu analizi için n-aşamalı Gizli Dirichlet Ayırımı ile diğer konu modelleme yöntemlerinin karşılaştırılması

Zekeriya Anıl GÜVEN, Banu DİRİ, Tolgahan ÇAKALOĞLU

Halbach dizilimi ve PSO algoritması kullanarak DMSM'nin geometrik en iyilemesi

Osman Can SOYGENÇ, Lale T. ERGENE

[(1H-1,2,4-triazol-3-ylimin)metil]naftalen-2-ol modifiye platin elektrodu ile askorbik asit ve dopamin varlığında ürik asit tayini

Feyza TATLİ, Tuğba TABANLİGİL CALAM, Demet UZUN, Erdoğan HASDEMİR

Halbach dizilimi ve PSO algoritması kullanarak DMSM'nin geometrik en iyilemesi

Osman Can SOYGENÇ, Lale T. ERGENE

Zonguldak-Karadon kömüründen elde edilen aktif karbonların oda sıcaklığında aseton adsorpsiyon özelliklerinin incelenmesi

Fatma OGUZ ERDOGAN, Turkan KOPAC

Otomobil ısı eşanjörlerinde kullanılan doğrudan soğutmalı döküm (DC) ve ikiz merdaneli sürekli döküm (TRC) ile üretilen modifiye edilmiş folyo 3003 alüminyum alaşımlarının elektrokimyasal yöntemler ile korozyon davranışının karakterizasyonu

İsrafil Küçük