Yapay sinir ağları ile mevcut yapıların deprem riski açısından durum tespiti

Abstract

Topraklarının %95 i deprem bölgesi olan ülkemizde meydana gelen depremlerde yoğun yapı hasarı ve can kayıpları oluşmaktadır. Bu olumsuzluklardan kurtulabilmek için mevcut yapı stokumuzun depreme karşı durumunun belirlenmesi ve güvenli hale getirilmesi kaçınılmaz bir zorunluluktur. Mevcut yapı stokunun ayrıntılı bir şekilde incelenmesi uzun zaman almaktadır. Ayrıca, birçok binanın projelerin mevcut olmaması ayrıntılı incelemenin yapılabilmesini zorlaştırmaktadır. Bu gibi nedenlerden ve yapı stokumuzun büyüklüğünden dolayı ülkemizde son zamanlarda hızlı değerlendirme yöntemlerinin önemi artmış ve bu konuda yapılan çalışmalar hız kazanmıştır. Ülkemizde uygulanan birçok hızlı değerlendirme yöntemi bulunmakta ve bu yöntemler, uygulama ve değerlendirme aşamasında önemli tecrübe birikimine gereksinim duymaktadır. Bu tez çalışmasında, mevcut binaların deprem güvenliklerinin belirlenmesinde daha hızlı, daha basit ve güvenilir alternatif bir yöntemin geliştirilmesi amaçlanmıştır. Bu amaçla, son yıllarda birçok alanda yaygın olarak kullanılan yapay sinir ağları (YSA) yaklaşımı ile YSA tabanlı bir model önerilmiş ve bu modelin güvenilirliği mevcut yöntemlerle kontrol edilmiştir. P25 hızlı değerlendirme yöntemi kullanılarak deprem performansları belirlenen örnek bina modellerinden, YSA modelinin eğitim ve test seti oluşturulmuştur. Eğitilen YSA modelinin doğrulanması, 2003 Bingöl depremine maruz kalmış gerçek binalardan oluşturulan referans seti ile yapılmıştır. Mevcut binaların bazı durumlarda içine girerek tespit yapılması mümkün olamamaktadır. Bu nedenle sokaktan gözlem yoluyla binalardan elde edilebilecek veriler ışığında mevcut binaların performanslarının değerlendirilmesi gerekebilmektedir. Bu amaçla, iki farklı YSA modeli önerilmiştir. Önerilen YSA tabanlı performans değerlendirme modelleri, sokaktan tarama ile elde edilen girdi bilgileri kullanılarak eğitilmiş, test edilmiş ve referans binaları ile doğrulanmıştır. Çalışmadan elde edilen sonuçlar incelendiğinde, YSA tabanlı performans değerlendirme modellerinin hızlı ve güvenilir sonuçlar verdiği ve binaların deprem performanslarının belirlenmesinde alternatif bir metot olarak kullanılabileceği gösterilmiştir. SUMMARY

Turkey, with 95% of its land in seismic active zone has faced earthquakes that results in serious damages and casualties. It is an inevitable necessity to determine the earthquake risk status and secure of existing reinforced concrete building. Detailed analysis of existing RC buildings is time consuming. The fact that the importance of rapid assessment methods has increased in our country depends on the reasons mentioned above and the size of our building stock. There are many rapid assessment method applied in our country and these methods call for a great deal of experience in both application and assessment stage. This thesis aims to develop faster, more simple and alternative method that helps us determine the earthquake safety of existing buildings. For this purpose, ANN-based model was proposed with neural networks (ANN) approach, widely used in many areas in recent years and the reliability of this model has been checked by existing methods. ANN model's training and test sets have been established with the sample of buildings models that determined the seismic performance by using P25 rapid assessment method. Verification of the ANN model were made with a reference set of existing buildings have been exposed to 2003 Bingol earthquake. In some cases, to determine by entering into the existing buildings seems impossible. Therefore, the performance evaluation of existing buildings may be required with the data of buildings, which can be determined with street observation. For this purpose, two different ANN model is proposed. The proposed ANN based performance evaluation models are trained, tested and confirmed thanks to the reference buildings and the input data obtained through scanning the street. In conclusion, it points out the fact that ANN based performance assessment model presents fast and reliable results and can be used as an alternative method in determining the seismic performance of buildings.