dc.contributor.author |
Bingöl, Kaan
|
|
dc.date.accessioned |
2021-06-29T11:15:02Z |
|
dc.date.available |
2021-06-29T11:15:02Z |
|
dc.date.issued |
2020 |
|
dc.identifier.citation |
Bingöl, Kaan (2020). Depreme dayanıklı mimari tasarım aşamasında derin öğrenme ve görüntü sınıflama yöntemi ile burulma düzensizliği tespiti / Torsional irregularity detection with deep learning and image classification method in earthquake resistant architectural design process. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi, Fen Bilimleri Enstitüsü. |
tr_TR |
dc.identifier.uri |
http://hdl.handle.net/20.500.12416/4890 |
|
dc.description.abstract |
Mimari tasarım süreci, ana tasarım kararlarının alınmasından detaylandırma aşamasına kadar, farklı birçok konuda uzmanlaşmış kişilerin iş birliği ile gerçekleşse de, ana kararların alınması, plan organizasyonu, kütle kurgusu vb. temel kararlar mimar tarafından alınmaktadır. Bilgisayar Destekli Tasarım (CAD- Computer Aided Design ) ve Yapı Bilgi Modelleme (BIM- Building Information Modeling ) 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 neden 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 engellenebilecektir. |
tr_TR |
dc.description.abstract |
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 Assistant) 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. |
tr_TR |
dc.language.iso |
tur |
tr_TR |
dc.rights |
info:eu-repo/semantics/openAccess |
tr_TR |
dc.subject |
Yapay Zeka |
tr_TR |
dc.subject |
Derin Öğrenme |
tr_TR |
dc.subject |
Deprem Yönetmeliği |
tr_TR |
dc.subject |
ImageAI |
tr_TR |
dc.subject |
Görüntü Sınıflandırma |
tr_TR |
dc.subject |
Görüntü İşleme |
tr_TR |
dc.subject |
Python |
tr_TR |
dc.subject |
Artificial Intelligence |
tr_TR |
dc.subject |
Deep Learning |
tr_TR |
dc.subject |
Earthquake Code |
tr_TR |
dc.subject |
Image Classification |
tr_TR |
dc.subject |
Image Processing |
tr_TR |
dc.subject |
Python |
tr_TR |
dc.title |
Depreme dayanıklı mimari tasarım aşamasında derin öğrenme ve görüntü sınıflama yöntemi ile burulma düzensizliği tespiti |
tr_TR |
dc.title.alternative |
Torsional irregularity detection with deep learning and image classification method in earthquake resistant architectural design process |
tr_TR |
dc.type |
masterThesis |
tr_TR |
dc.identifier.startpage |
1 |
tr_TR |
dc.identifier.endpage |
95 |
tr_TR |
dc.contributor.department |
Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Mimarlık Bölümü |
tr_TR |