Concrete compressive strength prediction is vital to the durability and safety of structures in the construction industry. An accurate prediction ensures reliability in the design of structures and contributes to the successful completion of structural engineering projects. Furthermore, predictions play an important role in making critical decisions such as material selection and structural safety calculations. Therefore, concrete compressive strength prediction is a fundamental step to ensure quality control and safety in the construction industry. Therefore, this study aims to predict concrete compressive strength with high accuracy. For this purpose, prediction processes were performed with Decision Tree Regression, Support Vector Regression, Linear Regression and Neural Networks on the Concrete Compressive Strength data set obtained from UCI. In the study, a new dataset with 50 features was created by using feature engineering technique on the dataset. Concrete compressive strength predictions were made by reapplying the same methods on the new data set. The predictions made without applying feature engineering and the predictions made on the new data set obtained by applying feature engineering are presented in a controversial and comparative manner. The findings show that feature engineering improves the performance of the machine learning methods used in the study, while the most successful method is obtained from the structure established with machine engineering and neural networks.
Feature Engineering Machine Learning Concrete Compressive Strength
Beton basınç dayanımı tahmini, inşaat sektöründe yapıların dayanıklılığı ve güvenliği açısından hayati önem taşır. Doğru bir tahmin, yapıların tasarımında güvenilirlik sağlar ve yapısal mühendislik projelerinin başarılı bir şekilde tamamlanmasına katkıda bulunur. Ayrıca, tahminler, malzeme seçimi ve yapısal güvenlik hesaplamaları gibi kritik kararların alınmasında da önemli bir rol oynar. Bu nedenle, beton basınç dayanımı tahmini, inşaat endüstrisinde kalite kontrolünün ve güvenliğin sağlanması için temel bir adımdır. Bu sebeple bu çalışmada beton basınç dayanımlarının yüksek doğrulukta tahmin edilmesi amaçlanmıştır. Bu amaç doğrultusunda UCI’ den alınan Beton Basınç Dayanımı veri seti üzerinde Karar Ağaçları Regresyonu, Destek Vektör Regresyonu, Lineer Regresyon ve Sinir Ağları ile tahmin işlemleri gerçekleştirilmiştir. Çalışmada veri seti üzerinde özellik mühendisliği tekniği kullanılarak 50 özelliğe sahip yeni bir veri seti daha oluşturulmuştur. Oluşturulan yeni veri seti üzerinde aynı yöntemler yeniden uygulanarak beton basınç dayanım tahminleri yapılmıştır. Özellik mühendisliği uygulanmadan yapılan tahminler ile özellik mühendisliği uygulanarak elde edilen yeni veri seti üzerinde yapılan tahminler tartışmalı ve karşılaştırılmalı bir şekilde sunulmuştur. Elde edilen bulgular Özellik mühendisliğinin çalışmada kullanılan makine öğrenimi yöntemlerinin performanslarını artırdığını gösterirken en başarılı yöntemin makine mühendisliği ve sinir ağları ile kurulan yapıdan elde edildiğini göstermektedir.
Birincil Dil | Türkçe |
---|---|
Konular | Makine Öğrenme (Diğer) |
Bölüm | Makaleler |
Yazarlar | |
Erken Görünüm Tarihi | 30 Nisan 2024 |
Yayımlanma Tarihi | 30 Nisan 2024 |
Gönderilme Tarihi | 16 Nisan 2024 |
Kabul Tarihi | 23 Nisan 2024 |
Yayımlandığı Sayı | Yıl 2024 Cilt: 40 Sayı: 1 |
✯ Etik kurul izni gerektiren, tüm bilim dallarında yapılan araştırmalar için etik kurul onayı alınmış olmalı, bu onay makalede belirtilmeli ve belgelendirilmelidir.
✯ Etik kurul izni gerektiren araştırmalarda, izinle ilgili bilgilere (kurul adı, tarih ve sayı no) yöntem bölümünde, ayrıca makalenin ilk/son sayfalarından birinde; olgu sunumlarında, bilgilendirilmiş gönüllü olur/onam formunun imzalatıldığına dair bilgiye makalede yer verilmelidir.
✯ Dergi web sayfasında, makalelerde Araştırma ve Yayın Etiğine uyulduğuna dair ifadeye yer verilmelidir.
✯ Dergi web sayfasında, hakem, yazar ve editör için ayrı başlıklar altında etik kurallarla ilgili bilgi verilmelidir.
✯ Dergide ve/veya web sayfasında, ulusal ve uluslararası standartlara atıf yaparak, dergide ve/veya web sayfasında etik ilkeler ayrı başlık altında belirtilmelidir. Örneğin; dergilere gönderilen bilimsel yazılarda, ICMJE (International Committee of Medical Journal Editors) tavsiyeleri ile COPE (Committee on Publication Ethics)’un Editör ve Yazarlar için Uluslararası Standartları dikkate alınmalıdır.
✯ Kullanılan fikir ve sanat eserleri için telif hakları düzenlemelerine riayet edilmesi gerekmektedir.