Betonarme yapıların sismik risk değerlendirmesinde makine öğrenimi yaklaşımı

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İNŞAAT MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2023

Tezin Dili: İngilizce

Öğrenci: MUHAMMED TUNAHAN BEYHAN

Danışman: RİFAT SÖNMEZ, MUSTAFA TALAT BİRGÖNÜL

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu araştırma, ileri düzey makine öğrenimi tekniklerinden yararlanarak az katlı betonarme (RC) binaların sismik risk değerlendirmesine yeni bir yaklaşım sunmayı amaçlamaktadır. "Riskli Yapıların Tespit Edilmesine İlişkin Esaslar" (RTYEİE) yönetmeliğine göre değerlendirilen 4699 betonarme binadan oluşan titizlikle derlenmiş bir veri setini kullanan çalışma, bu yapıların sismik risk durumunu tahmin etmek için bir dizi makine öğrenimi algoritması uygulamaktadır. Veri seti, 13 ayrı bağımsız değişken ve bir bağımlı değişken olan "Sismik Risk Durumu"nu içermektedir. Veriler, temizleme, normalleştirme, özellik seçimi, mühendislik ve sınıf dengesizliğini gidermek için Sentetik Azınlık Aşırı Örnekleme Tekniği (SMOTE) uygulamasını içeren kapsamlı bir ön işleme aşamasından geçmiştir. Dokuz makine öğrenimi algoritması - Karar Ağacı, Destek Vektör Makinesi, Rastgele Orman, Lojistik Regresyon, K-En Yakın Komşular, Naif Bayes, XGBoost, Yapay Sinir Ağı ve LightGBM - kesinlik, hatırlama, F1 skoru ve Alıcı İşletim Karakteristik eğrisi altındaki alan (AUC-ROC) gibi temel ölçütler kullanılarak değerlendirilmiştir. Hiperparametre ayarlama ve çapraz doğrulamanın ardından, oluşturulan XGBoost ve NaifBayes modellerinin farklı puanlama metriklerine göre en etkili algoritmalar olduğu belirlenmiştir. Ayrıca, bu çalışma sismik risk tahmini için en etkili bina özelliklerini de tanımlamaktadır. Araştırma, sismik risk değerlendirme metodolojilerine önemli bir katkı sunmakta ve makine öğreniminin bu alandaki potansiyelini vurgulamaktadır.