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

Kaan Bingöl; Aslı Er Akan; Hilal Tuğba Örmecioğlu; Arzu Er

doi:10.17341/gazimmfd.647981

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 birçok konuda uzmanlaşmış kişilerin işbirliği ile gerçekleşse de ana kararların alınması, plan organizasyonu, kütle kurgusu vb. temel kararlar mimar tarafından alınmaktadır. Bilgisayar Destekli Tasarım (CAD) programları ise genellikle, tasarımın ana kararları alındıktan sonra etkili olmaktadır. Bu nedenle, süreçte alınan ana kararların taşıyıcı sistem hesabı sırasında değiştirilmesinin gerekmesi ise sıkça rastlanan bir durum haline gelmektedir. Bunun oluşmaması için mimari tasarımın erken evrelerinde deprem mimarlığı bilinciyle taşıyıcı sistem kurgusunun bir tasarım girdisi olarak sürece katılması gerekir; çünkü mimari tasarım aşamasında taşıyıcı sistem kurgusunun iyi düşünülmemesi, uygulama projesi aşamasında beklenmedik revizyonlarla karşılaşılmasına ve dolayısıyla hem süreç hem de maliyet olarak ciddi kayıplara sebep olmaktadır.

Bu çalışmanın amacı, söz konusu probleme çözüm oluşturacak şekilde, derin öğrenme ve görüntü işleme yöntemleri kullanarak, tasarımın erken evrelerinde, mimarlara taşıyıcı sistem kararlarının deprem yönetmeliğine uygunluğu hakkında genel bilgiler verebilecek bir Düzensizlik Kontrol Asistanı (DK Asistanı) oluşturulmasıdır. Böylelikle, tasarımın erken aşamasında doğru kararlar alınması sağlanacak, uygulama projesi aşamasında gerçekleşebilecek beklenmedik revizyonlar engellenecektir.

Anahtar Kelimeler

Kaynakça

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, Vol. 1-22, 2012.
3. The Artificial Use Of The Term “Intelligence”, https://becominghuman.ai/the-artificial-use-of-the-term-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 ., Vol. 9, 1-17, 2014.
6. Olafenwa, J., 2019, Image AI – “Train Image Recognition AI with 5 Lines of Code” Deequest AI.
7. McCarthy, J., What is Artificial Intelligence?, Stanford University, http://www-formal.stanford.edu/jmc/whatisai/, Yayın tarihi 2007.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, Vol. 9, Number 1, 36-45, 1966.

10. Yapay Zeka, Makine Öğrenmesi ve Derin Öğrenme İlişkisi, https://becominghuman.ai/the-artificial-use-of-the-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., and 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., ve Özocak, A., İnce Daneli Zeminlerde Sıkışma İndisi’nin İstatistiksel ve Yapay Zeka Yöntemleri ile Tahmin Edilmesi, 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. Erişim Tarihi Nisan 14, 2019. https://www.endustri40.com/yapay-zeka-makine-ogrenimi-ve-derin-ogrenme-arasindaki-farklar/
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 Cilt: 5 Sayı: 1, 73-88, 2003.
31. Günaydın, H.M., 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 Vol 6, No 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, Volume 1, 77-84, 2018.
37. Ünay, İ.A., Tarihi Yapıların Depreme Dayanımı, ODTÜ Mimarlık Fakültesi Basım İşbirliği, 6-8, 2002.

Ayrıntılar

Birincil Dil

Türkçe

Konular

Mimarlık

Bölüm

Araştırma Makalesi

Yazarlar

Kaan Bingöl Bu kişi benim
0000-0001-7175-3198
Türkiye

Aslı Er Akan ^*
0000-0001-5362-8625
Türkiye

Hilal Tuğba Örmecioğlu
0000-0002-0662-4178
Türkiye

Arzu Er
0000-0003-4433-1410
Türkiye

Yayımlanma Tarihi

21 Temmuz 2020

Gönderilme Tarihi

18 Kasım 2019

Kabul Tarihi

26 Mayıs 2020

Yayımlandığı Sayı

Yıl 2020 Cilt: 35 Sayı: 4

DOI

https://doi.org/10.17341/gazimmfd.647981

IZ

https://izlik.org/JA32ZP68UE

Kaynak Göster

RIS / Bibtex

APA

Bingöl, K., Er Akan, A., Örmecioğlu, H. T., & 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), 2197-2210. https://doi.org/10.17341/gazimmfd.647981

AMA

1.Bingöl K, Er Akan A, Örmecioğlu HT, Er A. Depreme dayanıklı mimari tasarımda yapay zeka uygulamaları: Derin öğrenme ve görüntü işleme yöntemi ile düzensiz taşıyıcı sistem tespiti. GUMMFD. 2020;35(4):2197-2210. doi:10.17341/gazimmfd.647981

Chicago

Bingöl, Kaan, Aslı Er Akan, Hilal Tuğba Örmecioğlu, ve Arzu Er. 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): 2197-2210. https://doi.org/10.17341/gazimmfd.647981.

EndNote

Bingöl K, Er Akan A, Örmecioğlu HT, Er A (01 Temmuz 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 2197–2210.

IEEE

[1]K. Bingöl, A. Er Akan, H. T. Örmecioğlu, ve A. Er, “Depreme dayanıklı mimari tasarımda yapay zeka uygulamaları: Derin öğrenme ve görüntü işleme yöntemi ile düzensiz taşıyıcı sistem tespiti”, GUMMFD, c. 35, sy 4, ss. 2197–2210, Tem. 2020, doi: 10.17341/gazimmfd.647981.

ISNAD

Bingöl, Kaan - Er Akan, Aslı - Örmecioğlu, Hilal Tuğba - 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 35/4 (01 Temmuz 2020): 2197-2210. https://doi.org/10.17341/gazimmfd.647981.

JAMA

1.Bingöl K, Er Akan A, Örmecioğlu HT, Er A. Depreme dayanıklı mimari tasarımda yapay zeka uygulamaları: Derin öğrenme ve görüntü işleme yöntemi ile düzensiz taşıyıcı sistem tespiti. GUMMFD. 2020;35:2197–2210.

MLA

Bingöl, 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, c. 35, sy 4, Temmuz 2020, ss. 2197-10, doi:10.17341/gazimmfd.647981.

Vancouver

1.Kaan Bingöl, Aslı Er Akan, Hilal Tuğba Örmecioğlu, Arzu Er. Depreme dayanıklı mimari tasarımda yapay zeka uygulamaları: Derin öğrenme ve görüntü işleme yöntemi ile düzensiz taşıyıcı sistem tespiti. GUMMFD. 01 Temmuz 2020;35(4):2197-210. doi:10.17341/gazimmfd.647981

AI and AI-powered digital twins for smart, green, and zero-energy buildings: A systematic review of leading-edge solutions for advancing environmental sustainability goals

Environmental Science and Ecotechnology

https://doi.org/10.1016/j.ese.2025.100628

İnşaat Mühendisliğinde Yapay Zekâ Konusundaki Lisansüstü Tezlerin Bibliyometrik Analizi

Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi

https://doi.org/10.47495/okufbed.1638860

AI-supported seismic performance evaluation of structures: challenges, gaps, and future directions at early design stages

Advanced Engineering Informatics

https://doi.org/10.1016/j.aei.2025.104301

INTERIOR ARCHITECTURE AND ENVIRONMENTAL DESIGN STUDENTS’ ATTITUDES AND AWARENESS REGARDING AI-SUPPORTED TOOLS

Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi

https://doi.org/10.35379/cusosbil.1634982

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

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

Öz

Anahtar Kelimeler

Kaynakça

Ayrıntılar

Birincil Dil

Konular

Bölüm

Yazarlar

Yayımlanma Tarihi

Gönderilme Tarihi

Kabul Tarihi

Yayımlandığı Sayı

DOI

IZ

Kaynak Göster

Cited By

Research on the Use of Machine Learning on Building Facades

Güvenlik ve Acil Durum Koordinasyon Merkezi (GAMER) ve Yapay Zekânın Afetlerde Uygulanabilirliği

Afet Risk Yönetiminde Yapay Zekâ Kullanımının Rolü

Evrişimli sinir ağları ile mermer ve granit çeşitlerinin transfer öğrenme yöntemiyle sınıflandırılması.

A systematic review on artificial intelligence applications in architecture

Towards an earthquake-resistant architectural design with the image classification method

CLASSIFICATION OF SATELLITE IMAGES WITH DEEP CONVOLUTIONAL NEURAL NETWORKS AND ITS EFFECT ON ARCHITECTURE

Makine öğrenmesi algoritmaları ile deprem katalogları kullanılarak deprem tahmini

A Review of Using Deep Learning Technology in the Built Environment of Disaster Management Phases

Deprem Anında Yapıların Hasar Almasına Etki Eden Mimari Ölçekli Faktörler ve Yunuskent Sitesi Örneklemi

Eğitimde Yapay Zekâ ve Derin Öğrenme Alanında 2019-2023 Yıllar Arasında Yayınlanan Makalelerin Betimsel Analizi

The Use and Development of Artificial Intelligence in Architectural Design Processes

Deprem Sonrası Adıyaman Gölbaşı’na Dair Gözlemler ve Mimarlık

Scientific mapping of artificial intelligence (AI) assisted applications in historical building conservation

Performance Comparison of Neural Networks: A Case of Data Scientists' Job Change Prediction

İşletmeler Bağlamında Afetlerin Önlenmesi ve Dirençliliğin Arttırılmasında Toplum 5.0’ın Rolü

AI and AI-powered digital twins for smart, green, and zero-energy buildings: A systematic review of leading-edge solutions for advancing environmental sustainability goals

İnşaat Mühendisliğinde Yapay Zekâ Konusundaki Lisansüstü Tezlerin Bibliyometrik Analizi

AI-supported seismic performance evaluation of structures: challenges, gaps, and future directions at early design stages

INTERIOR ARCHITECTURE AND ENVIRONMENTAL DESIGN STUDENTS’ ATTITUDES AND AWARENESS REGARDING AI-SUPPORTED TOOLS