Abstract:
Geçen bir kaç yıl içerisinde, inşaat mühendisliğindeki bilgisayarlı hesaplamalarda Yapay Zeka uygulamaları ilk sırayı almıştır. Bu uygulamalar genellikle uzman sistemleri içermektedir. Bu makalede değişik bir Yapay Zeka yaklaşımı olan yapay sinir ağlarına (YSA) değinilmiş ve bir uygulama sunulmuştur. Yapay sinir ağları lineer olmayan bir yapıya sahiptir. Bu durum YSA ları her alana uygulanabilir hale getirmiştir. Sonuçlara çok kısa zamanda yaklaşmadaki etkinliği diğer yaklaşım metotlarına göre onu bir tercih sebebi yapmıştır. Bu çalışmada, dolu gövdeli bağlamalarda ayırma duvarının etkisi dikkate alınarak yanal su alma yapısına yönelecek olan sürüntü maddesi oranı geriye yayılma yapay sinir ağı yöntemi ile tespit edilmiştir. Problemin eğitim setinde DSİ (1989) tarafından yapılan deneysel veriler kullanılmıştır. Problemin değişkenleri ağa normalizasyon tekniği ile tanıtılmıştır. Eğitilen YSA, daha önce eğitme sırasında kullanılmayan deney verileri ile test edildiğinde sonuçların oldukça uygun olduğu görülmüştür. Bu çalışma, yapay sinir ağı hesaplamalarının inşaat mühendisliğinde karar verme ve tasarım için alternatif bir çözüm olduğunu ortaya koymaktadır. In the past few years computation on Civil Engineering has been concentrated primarily on artificial intelligence (AI) applications, which generally consider expert systems. This article deals with a different AI approach using the benefits of Neural networks and presents its usefulness on an application. Artificial neural networks have nonlinear performance and by this a satisfactory approachment to the results in a very short time, even in the learning phase of procedure can be achieved. This capability makes it preferable according to the other approaching methods. In this study, ratio of bed load entering into lateral intake at weirs is determined by a backpropagation Neural Network method. The training sets in the application of the Neural Network are performed by means of experimental results provided by DSİ (1989). Variables concerning the problem are introduced to the Neural Network by normalization technique. After Neural Network is trained, it is observed that the results were satisfactory on the previously unused data in the training sets. This research work showed clearly that the Neural Network computation is an reasonable alternative solution for decision making and design criterias in the field of Civil Engineering.
