Yıl: 2020 Cilt: 35 Sayı: 4 Sayfa Aralığı: 2197 - 2209 Metin Dili: Türkçe DOI: 10.17341/gazimmfd.647981 İndeks Tarihi: 15-01-2021

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

Öz:
Mimari tasarım süreci ana tasarım kararlarının alınmasından detaylandırma aşamasına kadar farklı birçokkonuda uzmanlaşmış kişilerin işbirliği ile gerçekleşse de ana kararların alınması, plan organizasyonu, kütlekurgusu vb. temel kararlar mimar tarafından alınmaktadır. Bilgisayar Destekli Tasarım (CAD) programlarıise genellikle, tasarımın ana kararları alındıktan sonra etkili olmaktadır. Bu nedenle, süreçte alınan anakararların taşıyıcı sistem hesabı sırasında değiştirilmesinin gerekmesi ise sıkça rastlanan bir durum halinegelmektedir. Bunun oluşmaması için mimari tasarımın erken evrelerinde deprem mimarlığı bilinciyle taşıyıcısistem kurgusunun bir tasarım girdisi olarak sürece katılması gerekir; çünkü mimari tasarım aşamasındataşıyıcı sistem kurgusunun iyi düşünülmemesi, uygulama projesi aşamasında beklenmedik revizyonlarlakarşılaşılmasına ve dolayısıyla hem süreç hem de maliyet olarak ciddi kayıplara sebep olmaktadır. Buçalışmanın amacı, söz konusu probleme çözüm oluşturacak şekilde, derin öğrenme ve görüntü işlemeyöntemleri kullanarak, tasarımın erken evrelerinde, mimarlara taşıyıcı sistem kararlarının depremyönetmeliğine uygunluğu hakkında genel bilgiler verebilecek bir Düzensizlik Kontrol Asistanı (DK Asistanı)oluşturulmasıdır. Böylelikle, tasarımın erken aşamasında doğru kararlar alınması sağlanacak, uygulamaprojesi aşamasında gerçekleşebilecek beklenmedik revizyonlar engellenecektir.
Anahtar Kelime:

Artificial intelligence applications in earthquake resistant architectural design: Determination of irregular structural systems with deep learning and ImageAI method

Öz:
Although the architectural design process is carried out with the collaboration of experts who are experienced in many different areas from the main preferences to the detailing stage, the major decisions such as plan organization, mass design etc. are taken by the architect. Computer Aided Design (CAD) programs are generally effective after the major decisions of the design are taken. For this reason, it is common for the main decisions, taken during the design process, to be changed during the analysis of the structural system. In order to prevent this, in the early stages of architectural design, earthquake system awareness and structural system design should be included as an design input; as, the failure of the structural system which did not considered well in the architectural design phase leads to unexpected revisions in the implementation project phase and thus leads to serious losses in both time and cost. The aim of this study is to create an Irregularity Control Assistant (IC Assitant) that can provide architects general information about the appropriateness of structural system decisions to earthquake regulations in the early stages of design process by using the deep learning and image processing methods. In this way, correct decisions will be made in the early stages of the design and unexpected revisions that may occur during the implementation project phase will be prevented.
Anahtar Kelime:

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık
  • 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, 1-22, 2012.
  • 3. The Artificial Use of the Term “Intelligence”, https://becominghuman.ai/the-artificial-use-of-theterm-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, 9, 1-17, 2014.
  • 6. Olafenwa, J., Image AI - “Train Image Recognition AI with 5 Lines of Code” Deequest AI., 2019.
  • 7. McCarthy J., What is Artificial Intelligence?, Stanford University, Yayın tarihi 2007, http://wwwformal.stanford.edu/jmc/whatisai/ 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, 9, 1, 36-45, 1966.
  • 10. Yapay Zeka, Makine Öğrenmesi ve Derin Öğrenme İlişkisi, https://becominghuman.ai/the-artificial-use-ofthe-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., 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., Özocak A., Prediction of compression index of fine-grained soils using statistical and artificial intelligence methods, 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,
  • https://www.endustri40.com/yapay-zeka-makineogrenimi-ve-derin-ogrenme-arasindaki-farklar/ Erişim Tarihi Nisan 14, 2019.
  • 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, 5 (1), 73-88, 2003.
  • 31. Günaydın, H. M. ve 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, 6 (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, 1, 77-84, 2018.
  • 37. Ünay, İ.A., Tarihi Yapıların Depreme Dayanımı, ODTÜ Mimarlık Fakültesi Basım İşbirliği, 6-8, 2002.
  • 38. Reşat H.G., Design and development of hybrid forecasting model using artificial neural networks and ARIMA methods for sustainable energy management systems: A case study in tobacco industry, Journal of the Faculty of Engineering and Architecture of Gazi University, 35 (3), 1129 - 1140, 2020.
  • 39. Küçük H., Eminoğlu İ., Balcı K., Classification of neuromuscular diseases with artificial intelligence methods, Journal of the Faculty of Engineering and Architecture of Gazi University, 34 (4), 1725 - 1742, 2019.
  • 40. Baba A.F., İnan T., Building a hybrid algorithm based decision support system to prevent ship collisions, Journal of the Faculty of Engineering and Architecture of Gazi University, 35 (3), 1213 - 1230, 2020.
APA BİNGÖL K, ER AKAN A, ORMECIOGLU H, ER A (2020). Depreme dayanıklı mimari tasarımda yapay zeka uygulamaları: Derin öğrenme ve görüntü işleme yöntemi ile düzensiz taşıyıcı sistem tespiti. , 2197 - 2209. 10.17341/gazimmfd.647981
Chicago BİNGÖL KAAN,ER AKAN ASLI,ORMECIOGLU HILAL TUGBA,ER Arzu Depreme dayanıklı mimari tasarımda yapay zeka uygulamaları: Derin öğrenme ve görüntü işleme yöntemi ile düzensiz taşıyıcı sistem tespiti. (2020): 2197 - 2209. 10.17341/gazimmfd.647981
MLA BİNGÖL KAAN,ER AKAN ASLI,ORMECIOGLU HILAL TUGBA,ER Arzu Depreme dayanıklı mimari tasarımda yapay zeka uygulamaları: Derin öğrenme ve görüntü işleme yöntemi ile düzensiz taşıyıcı sistem tespiti. , 2020, ss.2197 - 2209. 10.17341/gazimmfd.647981
AMA BİNGÖL K,ER AKAN A,ORMECIOGLU H,ER A Depreme dayanıklı mimari tasarımda yapay zeka uygulamaları: Derin öğrenme ve görüntü işleme yöntemi ile düzensiz taşıyıcı sistem tespiti. . 2020; 2197 - 2209. 10.17341/gazimmfd.647981
Vancouver BİNGÖL K,ER AKAN A,ORMECIOGLU H,ER A Depreme dayanıklı mimari tasarımda yapay zeka uygulamaları: Derin öğrenme ve görüntü işleme yöntemi ile düzensiz taşıyıcı sistem tespiti. . 2020; 2197 - 2209. 10.17341/gazimmfd.647981
IEEE BİNGÖL K,ER AKAN A,ORMECIOGLU H,ER A "Depreme dayanıklı mimari tasarımda yapay zeka uygulamaları: Derin öğrenme ve görüntü işleme yöntemi ile düzensiz taşıyıcı sistem tespiti." , ss.2197 - 2209, 2020. 10.17341/gazimmfd.647981
ISNAD BİNGÖL, KAAN vd. "Depreme dayanıklı mimari tasarımda yapay zeka uygulamaları: Derin öğrenme ve görüntü işleme yöntemi ile düzensiz taşıyıcı sistem tespiti". (2020), 2197-2209. https://doi.org/10.17341/gazimmfd.647981
APA BİNGÖL K, ER AKAN A, ORMECIOGLU H, ER A (2020). Depreme dayanıklı mimari tasarımda yapay zeka uygulamaları: Derin öğrenme ve görüntü işleme yöntemi ile düzensiz taşıyıcı sistem tespiti. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 35(4), 2197 - 2209. 10.17341/gazimmfd.647981
Chicago BİNGÖL KAAN,ER AKAN ASLI,ORMECIOGLU HILAL TUGBA,ER Arzu Depreme dayanıklı mimari tasarımda yapay zeka uygulamaları: Derin öğrenme ve görüntü işleme yöntemi ile düzensiz taşıyıcı sistem tespiti. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 35, no.4 (2020): 2197 - 2209. 10.17341/gazimmfd.647981
MLA BİNGÖL KAAN,ER AKAN ASLI,ORMECIOGLU HILAL TUGBA,ER Arzu Depreme dayanıklı mimari tasarımda yapay zeka uygulamaları: Derin öğrenme ve görüntü işleme yöntemi ile düzensiz taşıyıcı sistem tespiti. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, vol.35, no.4, 2020, ss.2197 - 2209. 10.17341/gazimmfd.647981
AMA BİNGÖL K,ER AKAN A,ORMECIOGLU H,ER A Depreme dayanıklı mimari tasarımda yapay zeka uygulamaları: Derin öğrenme ve görüntü işleme yöntemi ile düzensiz taşıyıcı sistem tespiti. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi. 2020; 35(4): 2197 - 2209. 10.17341/gazimmfd.647981
Vancouver BİNGÖL K,ER AKAN A,ORMECIOGLU H,ER A Depreme dayanıklı mimari tasarımda yapay zeka uygulamaları: Derin öğrenme ve görüntü işleme yöntemi ile düzensiz taşıyıcı sistem tespiti. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi. 2020; 35(4): 2197 - 2209. 10.17341/gazimmfd.647981
IEEE BİNGÖL K,ER AKAN A,ORMECIOGLU H,ER A "Depreme dayanıklı mimari tasarımda yapay zeka uygulamaları: Derin öğrenme ve görüntü işleme yöntemi ile düzensiz taşıyıcı sistem tespiti." Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 35, ss.2197 - 2209, 2020. 10.17341/gazimmfd.647981
ISNAD BİNGÖL, KAAN vd. "Depreme dayanıklı mimari tasarımda yapay zeka uygulamaları: Derin öğrenme ve görüntü işleme yöntemi ile düzensiz taşıyıcı sistem tespiti". Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 35/4 (2020), 2197-2209. https://doi.org/10.17341/gazimmfd.647981