Please use this identifier to cite or link to this item: http://hdl.handle.net/11452/12295
Title: Yapay zekâ modelleri ile betonarme yapılara ait enerji performans sınıflarının tahmini
Other Titles: Energy performance classes prediction of concrete buildings with artificial ıntelligence models
Authors: Yücel, Melda
Namlı, Ersin
Keywords: Enerji verimliliği
Bina enerji performansı
Yapay zekâ
Makine öğrenme
Energy efficiency
Building energy performance
Artificial intelligence
Machine learning
Issue Date: 31-Dec-2017
Publisher: Uludağ Üniversitesi
Citation: Yücel, M. ve Namlı, E. (2017). "Yapay zekâ modelleri ile betonarme yapılara ait enerji performans sınıflarının tahmini". Uludağ Üniversitesi Mühendislik Fakültesi Dergisi, 22(3), 325-346.
Abstract: Günümüzde giderek önemi artan enerji verimliliği ve etkin enerji kullanımı, hayatın her alanında ihtiyaç duyulan enerji ve kaynaklarının daha bilinçli ve verimli kullanılmasını gerektirmiştir. Özellikle inşaat sektörü enerji verimliliği konusunun en dikkat çeken uygulamalarına sahip alanıdır ve inşaat sektörüne ait birçok alanda enerji konusunda çeşitli çalışmalar gerçekleştirilmektedir. Bu açıdan bakıldığında bir sistemin enerjiyi kullanımı ve ne ölçüde etkin/verimli tüketildiğinin göstergesi sayılabilecek enerji performansı, özellikle inşaat sektöründe önemli bir konuma gelmiştir. Bina enerji performansının hesaplanma zorluğuna ek olarak hesaplama işleminin uzmanlık istemektedir ve uzun sürmektedir. Bu çalışmada binaların enerji performansını belirleyen enerji sistemlerinin verimlilik seviyesini gösteren enerji sınıflarının yapay zekâ tabanlı bir tahmin modeli geliştirilmiştir. Bu amaçla, betonarme yapıda çeşitli niteliklerdeki 127 binanın mimari proje ve enerji kimlik belgeleriyle girdi ve çıktı nitelikleri belirlenerek özgün bir veri seti oluşturulmuştur. Isıtma sınıfı modelinde çok katmanlı yapay sinir ağı (YSA), Bayes sınıflandırıcı, k-en yakın komşu sınıflandırıcısı ve C4.5 algoritması; soğutma sınıfında ise yalnızca YSA modeli kullanılmıştır. Isıtma sınıflandırma tahmin modelinde 127 veriden 117‘ sinin doğru sınıflandırılmasıyla en yüksek sınıflandırma doğruluk değeri %92.126 olarak YSA algoritmasıyla elde edilmiştir. Soğutma sınıflandırma tahmin modelinde ise YSA algoritması ve parametre optimizasyonlarının gerçekleştirilmesiyle %62‘ ye varan bir doğruluk oranı elde edilmiştir.
Today, increasingly important energy efficiency and effective use of energy necessitate more conscious and efficient use of the energy and resources are necessary in every area of life. Especially the construction sector has the most remarkable applications of energy efficiency and various studies on energy area are carried out in many construction activities. When considered from this point of view, in recent years, energy performance which is an indicator of energy usage of a system and how effective and efficiently it is consumed takes an important place especially in the construction sector. In addition to difficulty in calculating of building energy performance, the calculation process requires expertness and calculation takes long time. In this study, an artificial intelligence based model developed for predicting energy classes which represents energy systems' efficiency level. With this aim, Input and output attributes are determined from architecture projects and energy performance certificates of 127 buildings' which are reinforced concrete structures with various qualities, so an original data set generated. In heating class model, multilayer artificial neural networks (ANN), Bayesian classifier, k-nearest neighbor classifier and C4.5 algorithm; for cooling class, only ANN based model was used. In heating classification prediction model the best classification accuracy value 92.126% were achieved by ANN algorithm, 117 of 127 instances correctly classified. In cooling classification prediction model, with ANN algorithm and application of parameter optimizations 62% accuracy rate is obtained.
URI: https://dergipark.org.tr/tr/download/article-file/408819
http://hdl.handle.net/11452/12295
ISSN: 2148-4147
2148-4155
Appears in Collections:2017 Cilt 22 Sayı 3

Files in This Item:
File Description SizeFormat 
22_3_24.pdf1.07 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons