Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.13091/388
Title: Köprülü kavşaklarda betonarme inşaat maliyeti ve etkin yapısal parametrelerin akıllı bir sistem ile tahmin edilmesi
Other Titles: Estimation of reinforced concrete construction costs and effective structural parameters with a smart system at bridge interchange
Authors: Arslan, Musa Hakan
Çiper, Gökhan
Keywords: İnşaat Mühendisliği
Civil Engineering
Issue Date: 2019
Publisher: Konya Teknik Üniversitesi
Abstract: Bu çalışmada, 50 adet köprülü kavşak projesi incelenmiştir. Alt geçit yapı uzunluğu (m), kapalı kesit alanı (m2), fore kazık (m3), sanat yapıları (m3), prekast cephe paneli (m), ön germeli prefabrik kiriş (m3) ve birim fiyat esaslı yaklaşık maliyetler hesap edilmiş, veri tabloları oluşturulmuş ve Orange programına girdi-çıktı verisi olarak tanımlanmıştır. Köprülü kavşak projelerinin betonarme inşaat maliyetlerini tahmin etmek amacıyla yapay zekanın bir parçası olan makine öğrenmesi algoritmalarından karar ağaçları (tree), destek vektörü makineleri (SVM), olasılıksal dereceli azalma (SGD), rastgele orman (RF) ve yapay sinir ağlarından (YSA) yararlanılarak öğrenme ve test işlemleri gerçekleştirilmiştir. Girdi parametrelerinin köprülü kavşak betonarme inşaat maliyetine etkisi irdelenmiş ve maliyet tahminlemesi yapılmıştır. Bahse konu algoritmalar ile elde edilen sonuçlar birbiri ile kıyaslanmış ve yapay sinir ağları yönteminin performansı ortaya konulmuştur.
In this study, 50 bridged intersection projects were examined. Length of underpass structure (m), closed section area (m2), bored pile (m3), engineering structures (m3), precast facade panel (m), pre-tensioned prefabricated beam (m3) and approximate costs based on unit price were calculated, data tables were created and defined as input-output data to Orange program. Decision trees (Tree), support vector machines (SVM), stochastic gradient descent (SGD), random forest (RF) and neural network (YSA) from machine learning algorithms, which are part of artificial intelligence, in order to estimate the concrete construction costs of bridge junction projects and learning and test procedures. The effect of input parameters on the cost of bridged intersection reinforced concrete construction is examined and cost estimation is performed. The results of these algorithms were compared with each other and the performance of artificial neural network method was demonstrated.
URI: https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=vjszP7PzV0HebcjFEvDfwHdvWFiW0ESQXuRnW0lcXRm9F7bkoh__netFzejQWNgV
https://hdl.handle.net/20.500.13091/388
Appears in Collections:Tez Koleksiyonu

Files in This Item:
File SizeFormat 
589590.pdf8.25 MBAdobe PDFView/Open
Show full item record

CORE Recommender

Page view(s)

110
checked on Feb 6, 2023

Download(s)

44
checked on Feb 6, 2023

Google ScholarTM

Check


Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.