Betonarme perdelerin şekil değiştirme kapasitesinin yapay zekâ yöntemleriyle modellenmesi

Betonarme perde davranışının deneysel olarak test edilmesi ve sonlu elemanlar yöntemiyle modellenmesi, gerektirdiği yüksek zaman ve maliyet nedeniyle önemli kısıtlamalar içermektedir. Son yıllarda açık veri ve kod paylaşımının artış göstermesi nedeniyle uygulamalarda makine öğrenmesine (ML) yönelim artmaktadır. Bu çalışma kapsamında sonlu elemanlar yöntemiyle üretilen 2548 perde modeline ait kesit uçlarındaki plastik dönme, donatı ve beton birim şekil değiştirme değerleri ML yöntemleriyle incelenmiştir. İlk olarak çeşitli girdi parametreleri kullanılarak ağaç tabanlı dört yöntemle (Karar Ağacı, Rasgele Orman, Uyarlanabilir Arttırma, Aşırı Gradyan Arttırma) plastik dönme tahmin edilmiş ve modellerin performansı 10 katlı çapraz doğrulama kriteri dikkate alınarak değerlendirilmiştir. Karşılaştırmalar sonucunda en iyi performans gösteren XGBoost modeli, Rasgele Arama ve Optuna ile hiperparametre ayarı yapılarak yeniden eğitilmiştir. XGBoost-Optuna konfigürasyonun en yüksek başarıyı verdiği belirlenmiştir. Bu modelin sonuçları SHAP analiziyle yorumlanarak değişkenlerin göreli etkileri ve olası etkileşimleri ortaya konmuştur. Plastik dönme tahmininde başarılı olduğu kanıtlanan bu modelleme yaklaşımı, perde birim şekil değiştirmelerine de uygulandığında benzer derecede etkili sonuçlar vermiştir. Sonuçlardan denklem üretmek amacıyla, toplamsal güç yasası regresyon modeli hem gerçek (ANSYS) ölçümler hem de ML tahmin çıktıları üzerinde ayrı ayrı oluşturulmuştur. ML yöntemiyle türetilen denklemin davranışı daha iyi temsil ettiği saptanmıştır. Bulgular, betonarme perdelerin davranışının ML ile yüksek doğrulukta, hızlı ve yorumlanabilir biçimde öngörülebileceğini göstermektedir.