Cost Estimation of Reinforced Concrete Buildings by Using Neural Network and Multi Regression Analysis

Abstract

In this study, an Artificial Neural Network and Multi Regression Analysis have been used to evaluate the strengthening cost and total cost of reinforced concrete buildings. To obtain strengthening cost, 377 reinforced concrete buildings which have been designed according to the 1975, 1997 and 2007 Turkish Earthquake Codes have been checked and strengthened according to the new code (2018 Turkish Earthquake Code). After that, to obtain the total cost of the buildings according to the new code, 84 different reinforced concrete buildings have been designed according to the 2018 Turkish Earthquake Code. 4 different places at 4 different earthquake zones in İstanbul have been chosen to make the study. The professional program Sta4CAD has been used to model, analyze and strengthening those reinforced concrete buildings. The parameters which affect the cost of the buildings will represent the input and the strengthening cost and total cost of the buildings will represent the output. When the old buildings will be checked according to the new code, they may not satisfy the conditions of the code. Since the new code has more general rules. According to that, those old buildings will need strengthening. Section enlargement method, addition of shear wall and other methods described in chapter 4 will be used so that the old buildings will satisfy the new code. For strengthening cost of Reinforced Concrete buildings, 13 parameters have been chosen accordingly. These parameters are: Number of Storey (N), Concrete Class (C), Steel Class (S), Plan Area (A), Shear Wall Ratio (SWR), Column Ratio (CR), Earthquake Code (EQ), Stirrup Spacing, Soil Type (ST), Earthquake Zone (EZ) Torsional Irregularity, Weak Column-Strong Beam and Soft Storey. The output parameter for the study is the strengthening cost, which are in Turkish Lira according to the unit prices of materials in Turkey. For total cost according to TEC 2018 8 parameters have been used. Those parameters are: Plan Area (A), Number of Storey (N), Concrete Class (C), Steel Class (S), Shear Wall Ratio (SWR), and Column Ratio (CR). Finally the input parameters of the strengthening cost will be sorted accordingly to the importance. According to the study, the prediction accuracy of the Artificial Neural Network that has been trained, found 94% accuracy for the strengthening cost calculations of buildings. However for the Multi Regression Analysis Method, 71% accuracy has been found for strengthening cost. For total cost, Artificial Neural Network gave 97% accuracy and for Multi Regression Analysis Method 95% accuracy has been found.

ÖZ: Bu çalışmada, betonarme binaların güçlendirme maliyetini ve toplam maliyetini değerlendirmek için Yapay Sinir Ağı ve Çoklu Regresyon Analizi kullanılmıştır. Güçlendirme maliyetini elde etmek için 1975, 1997 ve 2007 Türk Deprem Yönetmeliğine göre projelendirilen 377 betonarme bina yeni yönetmelik 2018 Türkiye Deprem Yönetmeliğine göre kontrol edilerek güçlendirildi. Daha sonra binaların yeni yönetmeliğe göre kaba inşaat maliyetini elde etmek için 2018 Türk Deprem Yönetmeliği'ne göre 84 farklı betonarme bina tasarlanmıştır. Çalışmayı yapmak için İstanbul'da 4 farklı deprem bölgesinde 4 farklı yer seçilmiştir. Bu betonarme binaları modellemek, analiz etmek ve güçlendirmek için profesyonel program Sta4CAD kullanılmıştır. Binaların maliyetini etkileyen parametreler girdiyi, binaların güçlendirme maliyeti ise çıktıyı temsil edecektir. Eski binalar yeni yönetmeliğe göre kontrol edileceği zaman, yönetmeliğin şartlarını karşılamayabilir. Yeni kodun daha genel kuralları olduğundan dolayı karşılamayabilir. Buna göre eski binaların güçlendirilmesi gerekecek. Eski binaların yeni yönetmeliği karşılaması için kesit büyütme yöntemi, perde duvar ekleme ve 4. bölümde açıklanan diğer yöntemler kullanılacaktır. Betonarme binaların güçlendirme maliyeti için 13 parametre seçilmiştir. Bu parametreler: Kat Sayısı (N), Beton Sınıfı (C), Çelik Sınıfı (S), Plan Alanı (A), Perde Duvar Oranı (SWR), Kolon Oranı (CR), Deprem Kodu (EQ), Etriye Aralığı , Zemin Tipi (ST), Deprem Bölgesi (EZ) Burulma Düzensizliği, Zayıf Kolon-Kuvvetli Kiriş ve Yumuşak Kat. Çalışmanın çıktı parametresi, Türkiye'deki malzeme birim fiyatlarına göre Türk Lirası cinsinden olan güçlendirme maliyetidir. TEC 2018'e göre kaba inşaat maliyeti için 8 parametre kullanılmıştır. Bu parametreler şunlardır: Plan Alanı (A), Kat Sayısı (N), Beton Sınıfı (C), Çelik Sınıfı (S), Perde Duvar Oranı (SWR) ve Kolon Oranı (CR). Son olarak güçlendirme maliyetinin girdi parametreleri önem sırasına göre sıralanacaktır. Çalışmaya göre, eğitilen Yapay Sinir Ağının tahmin doğruluğu, binaların güçlendirme maliyeti hesaplamalarında %94 doğruluk buldu. Ancak Regresyon Analizi yöntemi için %71 doğruluk bulunmuştur. Kaba inşaat maliyeti için Yapay Sinir Ağı %97, Regresyon Analizi yöntemi için %95 doğruluk bulunmuştur.