Evaluation of the Behavior of Steel Structures Under Seismic Force Using Artificial Neural Networks

Yıl 2025, Cilt: 37 Sayı: 2, 569 - 580, 30.09.2025

Niyazi Safa Aksu , Yüksel Esen , Muhammed Atar

https://doi.org/10.35234/fumbd.1602995

Öz

Artificial intelligence applications in civil engineering hold significant potential for accelerating complex and time-consuming structural design processes, enhancing their efficiency, reliability, and speed. The aim of this study is to evaluate the feasibility of utilizing this potential. To this end, steel sample structures were selected, and linear analyses of their structural systems under seismic effects were conducted using SAP2000 software to calculate maximum displacement values. Then, an artificial neural network (ANN) model was created with the parameters of storey height, number of storeys, building height, building weight and building floor area as input data and the maximum displacement values of the structures as output data. At the end of the study, the maximum displacements calculated by SAP2000 and the displacements predicted by the ANN model were compared. As a result of this comparison, it was found that the regression coefficients of the ANN model were very close to 1. This shows that the results obtained from the regression plots are significant and the error rate in the ANN data is less than 10%.

Anahtar Kelimeler

Steel structures , artificial neural network , earthquake , linear analysis

Deprem Kuvveti Etkisi Altında Çelik Yapıların Davranışının Yapay Sinir Ağları ile Değerlendirilmesi

Öz

İnşaat mühendisliği alanında yapay zekâ uygulamaları, karmaşık ve zaman alıcı yapı tasarım süreçlerinin daha hızlı, kolay ve güvenilir bir şekilde gerçekleştirilmesine olanak sağlayabilecek bir potansiyele sahiptir. Çalışmamızın amacı, bu potansiyelin uygulanabilirliğini test etmektir. Bu kapsamda, öncelikle örnek yapılar çelik olarak belirlenmiş ve bu yapıların taşıyıcı sistemlerinin deprem etkisi altındaki doğrusal analizleri SAP2000 programı kullanılarak gerçekleştirilmiş; yapının maksimum deplasman değerleri hesaplanmıştır. Daha sonra, bir yapının deplasmanını etkileyebilecek kat yüksekliği, kat sayısı, yapı yüksekliği, yapı ağırlığı ve yapı taban alanı parametreleri giriş verileri, yapıların maksimum deplasman değerleri ise çıkış verileri olacak şekilde bir yapay sinir ağı (YSA) modeli oluşturulmuştur. Çalışmanın sonunda, SAP2000 ile hesaplanan maksimum deplasmanlar ile YSA modeli tarafından tahmin edilen deplasmanlar karşılaştırılmıştır. Bu karşılaştırma sonucunda, oluşturulan YSA modelinin regresyon katsayılarının 1’e oldukça yakın olduğu tespit edilmiştir. Bu durum, regresyon grafikleri ile elde edilen sonuçların anlamlı olduğunu ve YSA verilerindeki hata oranının yaklaşık %10’dan düşük olduğunu göstermiştir.

Anahtar Kelimeler

Çelik yapılar , yapay sinir ağları , deprem , doğrusal analiz

Kaynakça

• Özyiğit O. Çelik yapıların eleman ve bileşen düzeyinde incelenmesi. Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul, 2004.
• Ardan F. Çelik yapı elemanları. Güven Kitabevi, Ankara, 1973.
• Uluğ T. Çelik yapılar. Teknik Yayınevi, İstanbul, 1977.
• Katmer İE. Çok katlı çelik bir yapının deprem bölgelerinde yapılacak binalar hakkında yönetmelik ve türkiye bina deprem yönetmeliği’ne göre tasarımının yapılması. Yüksek Lisans Tezi, Mersin Üniversitesi, Mersin, 2019.
• Worldsteel. Global crude steel output increases by 3.4% in 2019. https://worldsteel.org/media/press-releases/2020/global-crude-steel-output-increases-by-3-4-in-2019/, Erişim: 27 Kasım 2024.
• Bayrak E, Çoban KH. 23 Kasım 2022 Düzce Depreminin (Mw 6,0) Bölgesel Sismisite ve Kuvvetli Yer Hareketleri Açısından Değerlendirilmesi. Fırat Univ J Eng Sci, 2024; 36 (2): 796-807.
• Erdik M, Demircioglu M, Sesetyan K, Durukal E, Siyahi B. Earthquake hazard in Marmara region, Turkey. Soil Dyn Earthquake Eng. 2004; 24(8): 605-631.
• Özmen B. Gumbel Uç Değerler Yöntemi ile Ankara İli ve Yakın Civarının Deprem Tehlike Analizi. Resilience 2023; 7(2): 391-407.
• Ay Z, Çelik İD, Kımıllı NA. Çaprazlı çelik çerçevelerin sismik performansı üzerine bazı değerlendirmeler. Erciyes Univ J Inst Sci Tech 2010; 26(1): 7–17.
• Tolan B. Çelik yapı tasarımında Türk standartlarının AISC 360-05 ve 07-05 yaklaşımlarına göre incelenmesi. Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul, 2011.
• Çelebi NG, Arpacıoğlu Ü. Deprem ve çevresel etki bağlamında çelik ve betonarme çerçeveli yapıların analiz edilmesi. Academy 1st Int Conf Earthquake Stud. 2023; İstanbul, 434-446.
• Öztekin E, Uzun MA. Yanal burkulmaya maruz basit NPI kirişlerinin maksimum üniform yayılı yük kapasitelerinin YSA ile tahmini. Gümüşhane Univ J Sci, 2011; 1(2), 135-150.
• Köroğlu MA, Ceylan M, Arslan MH, Ilki A. Estimation of flexural capacity of quadrilateral Frp-confined Rc columns using combined artificial neural network. Eng Struct, 2012; 42, 23-32.
• Yavuz G, Arslan MH, Baykan OK. Shear strength predicting of Frp-strengthened rc beams by using artificial neural networks. Sci Eng Compos Mater, 2014; 21(2), 239-255.
• Chun PJ, Yamashita H, Furukawa S. Bridge damage severity quantification using multipoint acceleration measurement and artificial neural networks. Shock Vib. 2015.
• Arslan MH, Ceylan M, Koyuncu T. Determining earthquake performances of existing reinforced concrete buildings by using ANN. Int J Civ Environ Eng, 2015; 9(8), 1097-1101.
• Suryanita R, Maizir H, Yuniarto E, Zulfakar M, Jingga H. Damage level prediction of reinforced concrete building based on earthquake time history using artificial neural network. MATEC Web Conf., 2017; 138, 02024,
• Mazanoğlu K, Kandemir-Mazanoğlu EÇ. Çatlaklı kirişlerin yapay sinir ağları ile modellenmesi. Afyon Kocatepe Univ J Sci Eng, 2017;17(3):1129-1135.
• Ilkhani MH, Moradi E, Lavasani M. Calculation of torsion capacity of the reinforced concrete beams using artificial neural network. J Soft Comput Civ Eng, 2017;1(2): 8-18.
• Özbayrak A. Deprem etkisi altındaki betonarme kirişsiz plak döşemelerin eğilme momentlerinin ysa analizi ile tahmin edilmesi. Niğde Ömer Halisdemir Univ J Eng Sci, 2019; 8(2): 979-991.
• Özkan E. Betonarme konut yapıların deprem performanslarının yapay sinir ağları hızlı değerlendirme yöntemi ile tahmin edilmesi. Yüksek Lisans Tezi, Manisa Celal Bayar Üniversitesi, Fen Bilimleri Enstitüsü, Manisa, 2019.
• Arslan A, Severcan MH. Cam elyaf takviyeli polyester (CTP) profillerden oluşan tek eğrilikli uzay kafes kirişlerin yapay sinir ağları ile analizi. Niğde Ömer Halisdemir Univ J Eng Sci 2021;10(1),312-318.
• Yalçın ÖF. Basit mesnetli köprülerde hareketli yük dağılım faktörleri denklemlerinin yapay sinir ağları ile elde edilmesi. Çukurova Univ J Fac Eng Archit, 2020; 35(3): 609-622.
• Gültekin B, Doğan G. İnşaat mühendisliğinde yapay zekâ çalışmaları. Adv Eng Stud Technol, 2021; 2(2); 117-138.
• Dadashov A. Yapay sinir ağları ve genetik algoritma optimizasyonu kullanılarak yapı elemanlarında titreşim verileri yardımıyla hasar tespiti. Yüksek Lisans Tezi, Karadeniz Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Trabzon 2024.
• K Öztürk, Şahin ME. Yapay sinir ağları ve yapay zekâya genel bir bakış. Takvim-i Vekayi, 2018; 6(2) 25–36.
• Aşkın D, İskender İ, Mamizadeh A. Farklı yapay sinir ağları yöntemlerini kullanarak kuru tip transformatör sargısının termal analizi, Gazi Univ J Fac Eng Archit, 2011; 26 (4), 905–913.