(Sol üstteki index.pdf dosyasına basarak indirebilirsiniz)
Bu tez, yapay sinir ağları (Artificial Neural Networks, ANN) kullanarak betonarme çerçeve binaların deprem performansını temsil eden iki temel parametrenin (doğal titreşim periyodu (T) ve maksimum katlar arası öteleme oranı (MIDR)) tahmin edilmesini konu almaktadır. Çalışma, geleneksel yöntemlerin yavaş ve maliyetli yapısına karşılık, hızlı, güvenilir ve veri odaklı bir alternatif sunar.
Neden Önemli?
Türkiye, dünya üzerindeki en yüksek sismik tehlike bölgelerinden biri olup, her yıl milyonlarca insanı etkileme potansiyeline sahip büyük depremler yaşamaktadır. Mevcut bina stokunun büyük kısmı modern deprem yönetmeliklerinden önce inşa edilmiş ve deprem güvenliği belirsizdir.
Günümüzdeki yöntemler ya hızlı ama yetersiz (görsel taramalar) ya da güvenilir ama yavaş ve maliyetli (detaylı mühendislik analizleri) olduğundan, hem hızlı hem de doğru sonuç veren yaklaşımlara ihtiyaç vardır. Bu çalışma, yapay zekâ ile mühendislik bilgisini birleştirerek, geniş ölçekli risk analizini mümkün kılar ve afet öncesi hazırlık süreçlerini hızlandırır.
Sonuçlar
- En iyi ANN modeli T tahmininde: %2,96 ortalama mutlak hata (MAE), MIDR tahmininde: %15,68 MAE elde ederek mevcut ampirik yöntemlerden daha iyi tahmin başarısı elde etmiştir.
- 2023 Kahramanmaraş depremleri testinde, modelin tahminleri uydu görüntülerinden elde edilen hasar dağılımıyla yüksek oranda örtüştü.
- Türkiye genelinde MIDR tabanlı sismik talep haritaları üretilerek, en riskli bölgeler hızlıca tespit edilebildi.
Katkılar
- Ulusal ölçekte hızlı risk taraması: Mevcut bina stokunun düşük maliyetle ve kısa sürede değerlendirilmesi
- Kaynakların verimli kullanımı: Güçlendirme ve kentsel dönüşüm projelerinde en riskli bölgelerin önceliklendirilmesi
- Açıklanabilir mühendislik modelleri: SHAP analizi ile hangi parametrelerin deprem performansında kritik rol oynadığının netleştirilmesi
- Akademik katkı: Yapay zekâ ile deprem mühendisliğini birleştiren, hem yüksek doğruluk hem de mühendislik yorumlanabilirliği sağlayan bir yaklaşım