Development of a seismic damage prediction model by using machine learning classification algorithms with an artificial dataset

Olası bir depremin binalarda meydana getirebileceği potansiyel hasarı belirlenmesi ve riskli yapıların güçlendirilmesi veya yeniden inşa edilmesi gibi önlemlerin alınması, sosyal ve finansal kayıpları en aza indirmek açısından kritik bir öneme sahiptir. Yapıların deprem performansının değerlendirilmesi kapsamlı ve zaman alıcı bir süreçtir. Ancak, geleneksel yapısal performans analizleri yerine iyi eğitilmiş makine öğrenmesi tahmin modellerinin kullanılması, hesaplama süresini önemli ölçüde azaltabilir. Bu tez, az ve orta katlı sünek olmayan yapıları ifade etmesi için iki boyutlu betonarme çerçeve sistemlerinden oluşan bir veri seti ve sınıflandırma tabanlı maki-ne öğrenmesi algoritmaları kullanarak bir hasar tahmin modeli geliştirmeye odaklanmaktadır. Veri setini oluşturan yapısal özellikler, Marmara bölgesindeki bina stok özellikleri hakkında kapsamlı bir literatür taramasından elde edilmiştir. Doğrusal olmayan dinamik analizler, gerçek deprem kayıtları kullanılarak OpenSeesPy programı ile yapılmış-tır. Katlar arası göreli en yüksek yer değiştirme oranı, binaların hasar durumunu sınıflandırmak için mühendislik talep parametresi olarak kullanılmıştır. Altı farklı yer hareketi şiddet ölçütü ve dört makine öğrenmesi sınıflandırma algoritması (k-Nearest Neighbors, Support Vector Machine, Decision Tree, and Random Forest olmak üzere) kullanılarak yirmi dört farklı model oluşturulmuştur. Modellerin performansı, performans metrikleri ve karışıklık matrisi karşılaştırılarak belirlenmiştir. Sonuç olarak, yirmi dört model arasında, pik yer hızını içeren veri seti ve Random Forest sınıflandırma algoritması kullanılan model, %92 oranında tahmin doğruluğu ile en etkili performansı sergilemektedir.