Betonarme Yapıların Deprem Hasarlarının Hızlı Tespitinde Yapay Zeka Sistemlerin Kullanımı

Ali Kemal BALTACIOĞLU
Akdeniz Üniversitesi, Mühendislik Fakültesi, İnşaat Mühendisliği Bölümü

Yrd. Doç. Dr. Baki ÖZTÜRK
Niğde Üniversitesi, Mühendislik Fakültesi, İnşaat Mühendisliği Bölümü

Yrd. Doç. Dr. Altuğ YAVAŞ
Balıkesir Üniversitesi, Mühendislik Fakültesi, İnşaat Mühendisliği Bölümü

Yrd. Doç. Dr. Armağan KORKMAZ
Süleyman Demirel Üniversitesi, Mühendislik Fakültesi, İnşaat Mühendisliği Bölümü

Doç. Dr. Ömer CİVALEK
Akdeniz Üniversitesi, Mühendislik Fakültesi, İnşaat Mühendisliği Bölümü

Bekir AKGÖZ
Akdeniz Üniversitesi, Mühendislik Fakültesi, İnşaat Mühendisliği Bölümü

Özet: Ülkemiz yapı stokunun büyük bir çoğunluğu betonarme olup konut türü yapılardır. Depremden hemen sonra mevcut yapıların hasar durumunun hızlı ve güvenli bir şekilde tespit edilebilmesi büyük önem taşımaktadır. Ciddi bir uzmanlık ve tecrübe gerektiren hasar tespiti, bina sayısının yüz binlerce olabileceği büyük depremlerden sonra çok daha önemli olmaktadır. Uzman sayısının az, bina sayısının fazla ve sürenin kısa olması hızlı ve güvenli yöntemlere ihtiyacı arttırmaktadır. Sokaktan yapılan taramaların güvenli olmadığı son depremde açıkça ortaya çıkmıştır. Detaylı analizler ise bir bina için dahi günlerce süreye ihtiyaç duymaktadır. Bu yazıda, deprem hasarlarının mevcut yapay zeka yöntemler ile belirlenmesinin temel felsefesi üzerinde durulmuş ve tamamlanmak üzere olan bir projenin ilk aşamalarını paylaşmak istenmiştir.

Use of Artificial Intelligence Systems in Rapid Detection of Earthquake Damages of Reinforced Concrete Structures

Abstract: The majority of the building stock of our country is reinforced concrete and it is residential type buildings. It is of great importance that the damage status of existing structures can be determined quickly and safely immediately after the earthquake. Damage assessment, which requires serious expertise and experience, becomes much more important after major earthquakes where the number of buildings can be hundreds of thousands. The fact that the number of experts is low, the number of buildings is high and the time is short increases the need for fast and safe methods. It has become clear in the last earthquake that scanning from the street is not safe. Detailed analyzes require days, even for a building. In this article, the basic philosophy of determining earthquake damages with current artificial intelligence methods is emphasized and it is desired to share the first stages of a project that is about to be completed.

1. GİRİŞ
Kent nüfusunun ve sanayi tesislerinin büyük çoğunluğu deprem riski altında olan Ülkemizde neredeyse her 10 yılda büyük bir deprem olmaktadır. Oluşma zamanı ve şiddetinin tahmini konusunda henüz ciddi anlamda doğruluğu kanıtlanmış bilimsel bir yaklaşım olmayan deprem, neden olduğu can ve mal kaybı dikkate alınınca doğal afetler içinde en tehlikelisidir. Depremin hemen ardından mevcut yapıların hasar tespiti son on yıldır araştırmacılar tarafından ilgiyle çalışılan bir konudur. Mevcut durumda çoğu gözlemsel olarak yapı elemanlarının mevcut durumundan hareketle bir sonuca ulaşmayı amaçlayan hızlı değerlendirme yöntemleri kullanılmaktadır. Gerçektende çok kaba bir yaklaşımla, var-yok, güçlü-zayıf, kısmen var-yok, yetersiz, çatlak büyük-çatlak orta, donatı yetersiz, açıklıklar büyük, etriye kısmen var, beton dayanımı orta gibi kesin olmayan yani göreceli bir takım çıkarımlara dayalı bu yöntemin verdiği sonuçlar kişiden kişiye değişmektedir. 1999 Adapazarı depreminden sonra yapılan bu tarz tespitlerde sağlam denilen yapılar hemen arkasından oluşan daha düşük şiddetli depremlerde tamamen yıkılmışlardır.

Bir yapıdaki hasarın belirlenmesi ciddi bir uzmanlık ve tecrübe gerektirmektedir. Tecrübeli ve evrensel bilgiyle donanmış bir uzmanı her koşulda bulmak zordur. Kaldı ki Ülkemizde incelenecek yüz binlerce yapı olması birkaç kişiyle bu işin yapılmasını imkansız kılar. Deprem etkisinde hasar görebilirlik ve hasar tespiti gibi pek çok parametreye bağlı bir süreçte göreceli kavramların (orta dayanım, yetersiz etriye, az çatlak, açıklık kısmen büyük gibi) sonuca etkisi çok fazladır. Bu açıdan bakılınca dilsel ifadelerin bulanık kurallar ile belirlendiği bir kural tabanlı uzman sistem hasar tespiti konusunda çok etkili bir yöntemdir. Bununla birlikte sadece hasarlı bir yapının hasar miktarı değil, mevcut yapıların gelecekte olması muhtemel depremler altında davranışı ve hasar risklerinin belirlenmesi de bu proje kapsamında mümkün olacaktır. Uzman dahi olsa kişiler bazen yaptıkları tespitte bazı kontrolleri veya bazı ölçümleri unutabilmektedir. Ya da bazı parametreler (perde yetersiz, görünür beton kalitesi kötü, çatlaklar büyük, deplasman orta gibi) uzmandan uzmana değişmektedir. Yapay zeka tabanlı geliştirilecek sistemlerde, bina incelemesinden sonra ve veri girişi sırasında menülerden değerler ve ölçümler girilirken, program kullanıcıyı eksik veri konusunda uyarabilecektir. Dilsel değişkenler yani göreceli büyüklükler bulanık (fuzzy) küme kuramıyla üyelik derecesi oranında sonuca katkı yapacaklardır. Geliştirilecek herhangi bir yapay zeka sisteminin en önemli üstünlüğü ise vereceği bütün sonuçları bir güvenilirlik yüzdesiyle ve buna esas teşkil eden gerekçesiyle verebilecek olmasıdır. Yani program; bu yapı verilen şiddette depremde orta hasarlı (hasar düzeylerinin neye karşılık geldiği, ne tür bir hasar düzeyinden bahsedildiği detaylı bir şekilde menüden bilgi tabanında tanımlı olacaktır) olur ve bu sonuç örneğin %70 oranında güvenilirdir. Bu güvenirlik oranının artması için şu bilgilere de ihtiyaç vardır, diyebilecektir.

2. TEMEL BİLGİLER
Bu yazının temel amacı, konut amaçlı kullanılan betonarme bir yapının, mevcut bir deprem etkisinde hasar durumunu ortaya koyacak bir hibrit yapay zekâ sisteminin geliştirilme aşamalarından bahsetmek ve konuda yazarlar tarafından yapılan projeyi tanıtmaktır. Çalışma hem hasarlı bir yapının hasar tespitinde kullanılacak hem de herhangi bir yapının gelecekte oluşacak herhangi bir şiddete sahip deprem etkisinde göstereceği yapısal davranışı ve hasar miktarını tespit edebilecektir. Pek çok parametrenin aynı anda etkisini dikkate alarak karar vermeyi gerektiren hasar tespiti özellikle ülkemiz koşullarında çok zordur. Bir uzmanın karar verme sürecinde kullandığı bütün argümanları kullanan uzman sistemler hasar tespiti konusunda en uygun yöntemdir. Bilgi tabanlı olacak bu sistemde yapının oturduğu zemin koşulları, kaçıncı derece deprem bölgesi olduğu, aktif faylara uzaklığı, sıvılaşma riski, bölgede yapılan yapıların genel karakteristikleri, iklim koşulları v.b. genel bilgilerin yanında, yapının taşıyıcı sistemi, beton kalitesi, donatı miktar ve detayları, perde taşıyıcının bulunup bulunmaması, yumuşak kat, kısa kolon veya kuvvetli kiriş- zayıf kolon etkisi gibi olumsuz durumların varlığı, ya da gerektiğinde analiz sonuçları gibi daha detaylı bilgileri de içerecektir. Bilgi tabanındaki ifadeler sistematik bir formatta kural tabanına aktarılacak ve kurallar tanımlanacaktır. Bu kuralların içinde dilsel ifade içeren ve kesinlik belirtmeyen parametreler bulanık küme kuramıyla üyelendirilecektir. Böylelikle depreme dayanıklı yapı tasarımı ve hasar tespitinde kullanılacak her bilgi, katkısı oranında çözüme gerçekçi bir biçimde yansıtılacaktır. İleriye doğru yayılmalı bir kurallar zinciri oluşturacak uzman sistem yapısı içinde gerek mevcut depremlerden edinilen tecrübeler, gerek yönetmelik ve kitaplardaki bilgiler ve gerekse konu hakkında tecrübe sahibi kişilerden elde edilecek tüm bilgiler bulunacaktır. Bilgi tabanındaki tüm bilgiler sistematik bir formatta kurallara dönüştürülecektir (EĞER yapı 1.Derece deprem bölgesinde VEYA perde taşıyıcı kullanılmamış İSE… gibi). Bu kurallardan dayanım, sağlamlık, az-çok az, kısmen var, düşük-yüksek gibi kavramlar içerenler bulanık küme kuramıyla üyelendirilecek ve kişiden kişiye değişen yani göreceli olan bu dilsel ifadeler örneğin betonun dayanım bilgisi herhangi bir yapı için dayanım kümesine belirli bir üyelik derecesi ile ait olacaktır. Çok iyi veya düşük gibi ifadeler tam olarak sınırlarıyla belirlenmiş olan kümelere belirli bir üyelik derecesi ile eleman olacaktır.

Sadece depremde hasar görmüş yapıların hasar tespitinde değil, aynı zamanda mevcut herhangi bir binanın bir deprem senaryosu için hasar miktarı ve hasar mekanizması belirlenebilecektir. Çalışma daha sonra bilgi tabanının düzenlenmesi ve diğer bazı değişikliklerden sonra köprü taşıyıcı sistemlerin hasar tespitinde de kullanılabilecektir. Deprem ve yapı hasarında uzman bir kişinin bir tespit sırasında belirli ölçümler ve değerlendirmelerle, geçmiş tecrübeleri ışığı altında karar verdiği bir gerçektir. Çalışma neticesinde sadece deprem hasar görmüş bir yapının hasar miktarı tespit edilmeyecektir. Herhangi bir yapının olması muhtemel bir deprem senaryosu için nasıl bir hasar göreceği ve hasarın şiddeti tahmin edilecektir. Bu tahmin bilgi tabanında pek çok uzmanın tecrübesi, ilgili yönetmelik, standart ve esasların bulunduğu bir uzman sistem ile parametrelere ait dilsel ifadelerin bulanık üyelik dereceleri kadar dikkate alındığı bir hibrit yapay zekâ sistem tarafından yapılacaktır.

3. UZMAN SİSTEMLER (US)
Yapay zekanın önemli bir dalını oluşturan uzman sistemler belirli bir konuda sadece o alan ile ilgili bilgi ve kurallar ile donatılmış ve problemlere o alanda uzman bir kişinin getirdiği tarzda çözümler getirebilen yazılımlardır. İyi tasarlanmış sistemler belirli problemlerin çözümünde uzman insanların düşünme işlemlerini taklit ederler. Burada uzman sistem ifadesinin kullanılmasının sebebi, sistemin bir veya daha fazla uzmanın bilgilerine sahip olarak, o konudaki mevcut bilgilerin tamamına sahip olan ve kural tabanı ile bir çıkartım yapabilen sistemler olmasından dolayıdır. Uzman sistemler ekonomik analizler, hastalık teşhisi veya askeri alanda durum değerlendirmesi gibi binlerce karmaşık parametreye ve içi içe geçmiş disiplinlerde dahi başarıyla kullanılmıştır. Uzman sistemler kullanıcıya çözümün yanında mevcut sorunun nedenini açıklarlar. Bu sistemler bilgi tabanlıdır ve bilgi tabanı geliştirilebilir özelliğe sahiptir. Her an güncellenebilirler. Uzman sistemlerin bilgi kaynağı bu alanda uzman kişiler, konu hakkında yazılı kitap, rapor ve diğer dokümanlar, mevcut evrensel gerçeklerdir. Uzman sistemler tekrar program yazmayı gerektirmezler. Çünkü hazırlanan sisteme daha sonra yeni bilgiler eklenip çıkarılabilir.

Yapay zeka; insanların birbirlerinde zekice olarak kabuk ettikleri davranışlara sahip bilgisayarların yapılmasıyla ilgili bir bilgisayar bilimidir. 1956 yılında yapay zeka konusunda düzenlenmiş olan ve Dartmouth Konferansı olarak bilinen konferansta John McCarthy ilk olarak yapay zeka ifadesi kullanılmıştır. Takip eden yıllarda ise bu çalışmalar daha sistematik olarak sırasıyla uzman sistemler, yapay sinir ağları, fuzzy mantığı, genetik algoritmalar şeklinde alt dallara ayrılmıştır. Her sorunu çözecek genel amaçlı program yerine belirli bir uzmanlık alanındaki bilgiyle desteklenmiş programlar kullanma fikri yapay zeka alanında yeni bir çığır açmıştır. Kısa sürede uzman sistemler adı verilen bir metot ortaya çıkmıştır. Uzman Sistemler(US) için yapılan çeşitli tanımlar şu şekildedir. Herhangi bir karmaşık sistemde, uzman bir kişinin yaptığı işleri yapan bir bilgisayar programı gibi düşünülebilir. Uzmanların düşünce biçimini taklit ederek, özelleşmiş bir alanda önemli problemleri çözmeye yönelik yazılımlardır. Bu yazılımlar genellikle ara yüz, veri tabanı, kural tabanı vb. birden fazla programdan oluştuklarından sistem olarak adlandırılır. Uzman sistemler(US); öneride bulunan, problemi analiz edebilen, sınıflandırabilen, iletişim kurabilen, dizayn yapabilen, tanımlayabilen, inceleyebilen, tahmin yürütebilen, belirleyen, yargılayabilen, öğrenebilen, kontrol edebilen, programlayabilen ve öğreten yazılımlardır. Uzman sistemler; Yapay zekâ (Artificial Intelligence) sistemlerinin bir koludur. Yapay zeka sistemleri ise; problemlerin insan zekasının bilgisayarda simülasyonu yapılarak çözümlenmesi çalışmasından ibarettir. Uzman sistemler ise ancak bir uzman insanın çözebileceği karmaşık problemlerin çözümüne olanak sağlamaktadır. Uzman sistemler sembolik işlemler kullanarak uygulamalı bilimlerde ve çoklu karar vermeye olanak sağlayan alanlara yeni bir boyut kazandırmıştır. Belirli bir alanda sadece o alan ile ilgili bilgilerle donatılmış ve problemlere o alanda uzman bir kişinin getirdiği şekilde çözümler getirebilen bilgisayar programlarıdır. İyi tasarlanmış sistemler belirli problemlerin çözümünde uzman insanların düşünme işlemlerini taklit ederler. Burada uzman sistem tabiri kullanılmasının sebebi, sistemin bir veya daha fazla uzmanın bilgilerine sahip olarak onun veya onların yerini almaya yönelmesinden dolayıdır. Amaç bir insan uzman gibi veya ondan daha iyi bir uzman sistem geliştirebilmektir. Böyle bir sisteme sahip olmak kişiyi uzman yapmaz, fakat bir uzmanın yapacağı işin bir kısmını veya tamamını yapmasını sağlar. Uzman sistemler gerek kulanım biçimi gerekse yapı açısından geleneksel yazılımlardan önemli farklılıklar gösterir. Geleneksel yazılımlar; data kullanırlar, veri gösterimi ve kullanımı, bilgi ve kontrol bir arada, algoritmik (Tekrarlamalı) işlem, büyük veri tabanında etkin işlem gücüne sahiptirler, programcı bütünlük konusunda emindir ve sayısal işlem doğrultusunda işlenir. Uzman sistemler ise; bilgi kullanırlar, bilgi gösterimi ve kullanımı, bilgi ve kontrol ayrılmıştır, heuristik (sonuç çıkarmaya yönelik) işlem, büyük bilgi tabanında etkin işlem gücü, bilgi mühendisi bütünlülük konusunda serbest, sembolik işlem doğrultusunda işlenir, sonradan veri girişi mümkün olup esnektir. Bir Uzman sistemin geliştirilmesinde takip edilecek genel aşamalar Şekil 1’de görüldüğü gibi olup, sistem; bilgi mühendisinin uzman insan ile diyalogu ve elde edilen bilgileri bilgi temelli olarak formüle döker. Uzman sistemlerin kullanım alanlarına örnek olarak tıp da daha çok hastalık teşhisi ve tedavisi için kullanılmıştır. En önemli uygulamalar: Akciğer hastalıklarının teşhisi, bakteriyel enfeksiyonların, mikropların teşhisi ve tedavisi, Böbreklerde gerçeklesen fizyolojik işlevleri analiz etmek, Onkoloji bölümünü ilgilendiren ve kemoterapi hastalarının tedavi ve idaresi, Tıp öğrencilerine EKG okuyabilmeleri için eğitim amaçlı, Kan pıhtılaşmasında değerlendirmeler yapmak, ilaçların birlikte kullanılmasına ilişkin öneriler yapan sistem, Kalp hastalıkları ve damar rahatsızlıklarının teşhisine yardımcı olmak için tasarlanan sistemler, Sinirsel rahatsızlıkların teşhisi için tasarlanan sistemler bunlardan bazılarıdır. Mühendislik ve Askeri ve diğer alanlarda: Mineral arama çalışmaları için jeolojik verilerin yorumlanması, Petrol kuyularının verilerinin yorumlanması, Bilgisayar arızalarının tahmini, Telefon hattında yaşanan problemlerin giderilmesi, Hava tahmini, Savaşlarda taktik amaçla, Strateji belirleme, Uçak gemilerinde kalkış ve iniş için yönlendirme, Uçak türünün belirlenmesi, Silah seçimi, kimyasal tehlike tür ve korunma yöntemleri vb.

Uzman sistemlerin avantajları:
• Uzman sistemler kısa zamanda daha fazla iş yapabildiği için alınan verim yüksektir.
• İstenildiği anda bilgiye ulaşılabilir.
• Uzman kişiye oranla maddi yönü daha ekonomiktir.
• Ortalama insan ömrü dikkate alındığında bu sistemlerin daha kalıcıdır.
• Uzman sistemler açıklayıcılık özelliği ile kullanıcının kafasındaki soru işaretlerini anında giderir. Fakat insan için bu her zaman geçerli değildir.
• Uzman sistemlerin en avantajlı yönlerinden biriside tehlikeli durumlarda çalışabilmesidir. Bu sistemler özellikle askeri alanda veya uçak simülasyonlarında tehlikeli çevrenin zararlarından insanı koruması yönü ve maliyeti düşürücü aynı zamanda öğretici özelliği ile daha fazla kullanılmaya başlanmıştır.
• Uzman sistemler dış çevrenin sorunlarından veya stresten uzak oldukları için insan gibi dikkatini toplayamama veya duygusal düşünme gibi olumsuz yönleri yoktur.
• Bilgi tabanındaki her parametreyi ve etkeni dikkate alarak sonuca ulaşırlar, unutmazlar.

Şekil 1. Bir Uzman Sistemin Geliştirilmesi

Kısaca US, belirli bir konuda sadece o alan ile ilgili bilgi ve kurallar ile donatılmış ve problemlere o alanda uzman bir kişinin getirdiği tarzda çözümler getirebilen yazılımlardır. İyi tasarlanmış sistemler belirli problemlerin çözümünde uzman insanların düşünme işlemlerini taklit ederler. Burada uzman sistem tabiri kullanılmasının sebebi, sistemin bir veya daha fazla uzmanın bilgilerine sahip olarak onun veya onların yerini almaya yönelmesinden dolayıdır. Amaç bir insan uzman gibi veya ondan daha iyi bir uzman sistem geliştirebilmektir. Böyle bir sisteme sahip olmak kişiyi uzman yapmaz, fakat bir uzmanın yapacağı işin bir kısmını veya tamamını yapmasını sağlar. Deprem mühendisliği, yapı analizi, zemin, yapı dinamiği, hasar tespiti, malzeme bilgisi gibi konularda uzman kişilerin ekip olarak yapacakları bir durum tespitinde uzman sistem tabanlı bir yazılım, mevcut veri tabanı ve bilgi tabanı ile aynı işlevleri yapabilecektir. Yeni veriler, kurallar, gerçekler ya da formülasyonlar programa kolayca dahil edilebilmektedir. Çalışmada uzman sistemlerin kullanılması çoklu karar verme gerektiren böylesi hassas bir süreçte (hasar tespiti) pek çok alternatifi göz önüne alarak bilgi tabanındaki bütün gerçekler ışığında sonuca ulaşacaktır. Bir uzman sistemin temel yapısı bölgesel bilginin, kontrol bilgisinin ve hali hazırda çözülen özel bir problem hakkındaki bilgilerin ayrı ayrı ele alınması şeklinde kendini gösterir (Şekil 2).

BİLGİ TABANI: Bilgi tabanı, uzman sistemde belirtilen gerçekler ve sonuç çıkarmaya yönelik bilgiler ve yargılar ile ile ilgili bilgileri içeren kısımdır. Gerçekler olarak tanımlanan kısım tipik olarak problem hakkında belirtilen bilgileri içerir. Heuristik (sonuç çıkarıcı) olarak adlandırılan ikinci kısım ise basitçe kurallar şeklindedir. Bilgi tabanının yapısını bir örnek üzerinde açıklayalım. Örnek olarak bir yapının tasarımını yapmak için hazırlanmış bir uzman sistemde bilgi tabanında dizayn için gerekli fiziksel nesnelerin tanımları ve bunlar ile ilgili gerçeklerin belirtilmesi gerekir. Bir kiriş eleman, bu problem için bir fiziksel nesnedir. Bu kiriş bilgi tabanında bir yapı elemanı olarak tarif edilir. Bu kirişe ait bilgilerinde (genişliği, açıklığı, kesit alanı, yapı içerisinde bulunduğu yer ve taşıdığı yük gibi) Bilgi Tabanına girilmesi gerekir. Ayrıca yapının dizaynı ile ilgili tüm kurallar mantıksal yaklaşım içerisinde tecrübe veya fonksiyonel bir ilişki şeklinde verilmelidir. Mantıksal yaklaşıma örnek verilirse; EĞER kiriş uzunluğu BÜYÜK 10.0 metre VE yapı 1.Derece deprem bölgesinde VE malzeme çelik İSE Geniş başlıklı kesit kullan. EĞER Işık YEŞİL VE bekleyen taşıt fazla İSE yaya ışığını KIRMIZI yap.

KURALLAR ve PARAMETRELER (KONTEKS): Konteks, uzman sistemin çözülecek problem ile ilgili bilgileri içeren kısmıdır. Bu modül, öncelikle çözülen probleme ait bilgileri ve parametreleri içerir ve çözüm sırasında bu bilgiler genişler ve saklanır. Örneğin bir yapıdaki olası deprem hasarını öngörebilen bir uzman sistemde Konteks, öncelikle yapıya (yapının taşıyıcı sistemi, malzeme vb.) ve yapının bulunduğu bölgeye ait bilgileri içerir. Çözüm sırasında da ortaya çıkan potansiyel hasar bilgileri ve bunların ‘Belirsizlik faktörleri’ gibi bilgileri de alarak genişler.

SONUÇ ÇIKARMA MEKANİZMASI: Uzman sistemin kontrol bilgilerini içeren kısımdır. Çıkartım mekanizması bilgi tabanındaki bilgileri kullanarak konteks’i genişletir ve geliştirir. Örneğin bir yapıda kullanılacak malzeme seçimi için yazılmış bir uzman sistemde, bu mekanizma verilen malzeme çeşitlerini sırasıyla deneyerek yapı için teknolojik, ekonomik ve dayanım kriterleri açısından en uygun olanı seçme işlemini yapar. Bu tür işleme ‘Geriye Doğru Zincirleme (Backward Chaining)’ denir. Bu işlemin tam tersi de yani dikkate alınan yapı için gerekli malzemenin teknolojik, ekonomik vb. özellikleri verilerek buradan uygun malzemenin seçimi işlemi de ‘İleriye Doğru Zincirleme (Forward Chaining)’ olarak adlandırılır.

Şekil 2. Bir Uzman Sistemin Genel Yapısı

4. HASAR TESPİTİ
Hasar analizi gibi bir konuda günümüzde kullanılan pek çok yöntemde esnek ifadeler kullanılmakta, dilsel olan bu ifadelerin çözüme katkısı bizce olmamaktadır. Yukarıda da anlatıldığı gibi var-yok, eksik-çok az-çok fazla; kısmen var, büyük-küçük, yeterli-yeterli değil gibi dilsel ifadeler belirli puanlama yöntemiyle sonuca ulaşmaya amaçlamaktadır. Oysa bu tarz ifadelerin kural tabanlı bulanık üyeleri belirlenecek ve örneğin beton kalitesinin çok iyi ya da kötü ifadeleri bir üyelik derecesi ile ilgili kümeye eleman olması sağlanacak olursa çözüme daha gerçekçi yaklaşılacaktır.

Çalışmada göz önüne alınacak parametrelerden bir kısmı aşağıda listelenmiştir:
• Binanın yaşı (yapım yılı-bağlı olduğu yönetmelik)
• Aktif faylara uzaklığı (uzak- çok uzak-çok yakın-yakın, bulanık üyelendirilecek bilgi)
• Geçen 5, 10, 15, 20 ve 50 yıl içinde bölgede olan en yüksek şiddetli depremin şiddeti
• Geçen 10, 20 yıl içinde olan deprem sayısı ve şiddetlerinin ortalaması
• Sıvılaşma riski
• Deprem bölgesi
• Yerel zemin sınıfı
• Kat adeti, Bodrum var mı? Varsa kaç kat
• Kat yükseklikleri
• Yapı davranış katsayısı (R)
• Taşıyıcı sistemi [perde taşıyıcılar var mı? Yeterlimi, ne kadar yeterli (bulanık üyelendirilecek bilgi)]
• Görünür işçilik kalitesi
• Yapısal kusurlar (Yumuşak kat, kısa kolon, bant pencere, planda düzensizlik, düşey rijit elemanlarda süreksizlik, Güçlü kiriş-zayıf kolon vb.).
• Yapı önem katsayısı
• Yapının kullanım amacı (konut, hastane, okul vb.) önem katsayısı
• Daha önce tadilat, onarım (ciddi yada çatlakların kapatılmasına yönelik kozmetik yani rötuş) görmüş mü?
• Binada proje dışında ilave veya eksiltme (bölme duvar, kolon vb.) var mı?
• Denize olan mesafe yada bölgenin ortalama yıllık nem miktarı (korozyon açısından)
• Kesitlerin kontrolü yani boyutların uygunluğu (kolon, kiriş, döşeme vb.)
• Yapıdaki açıklıkların miktarı (bulanık üyelendirilecek bilgi)
• Dilatasyon var mı? Yeterlimi
• Bitişiğinde bina var mı? Komşu katlarla kat seviyesi farkı, çekiçleme etkisi
• Döşeme tipi ve katlardaki döşeme sistemi
• Bölme duvar cinsi
• Çıkma var mı? Varsa miktarı
• Maksimum açıklık miktarı

Eğer yapı hasarlı ise bunlardan başka
• Kolon hasarları
• Kiriş hasar tipi, çatlak genişliği vb.
• Döşeme çatlakları vb. bilgisi
• Katlar arası rölatif kalıcı yanal ötelenme
• Maksimum deplasman
• Perde sistemdeki hasarları

Ayrıca projesinin olup olmamasına göre girilecek donatı ve beton kalitesi ile ilgili bilgiler olacaktır.

Uzman sistemler Eğer-İse (If-Then) kurallarını kullanarak uygulama alanındaki problemlere belirli çözüm yolları getirme esasına göre çalışmaktadır. Bu sistemlerin diğer bir ismi, bilgi tabanlı sistemlerdir ve bilgi tabanı denilen kısım en önemli yapıyı oluşturmaktadır. Belirli bir alandaki problemlere ilişkin uzman kişilerden ve tüm mevcut basılı kaynaklardan alınan bilgiler bir uzman sistemin bilgi tabanına yerleştirilir. Kullanıcılar, sistemdeki bilgileri aynen bir uzman kişiden alıyormuş gibi programla iletişime geçer. Problem çözülünceye kadar kullanıcı ile program arasında soru-cevap türünde karşılıklı bir iletişim oluşur. Yada sisteme istenen tüm bilgiler bir menü aracılığıyla girilir. Sistem mevcut bilinenlerden hareket ederek bir uzman gibi tüm veri tabanı, kurallar zinciriyle sonuca ulaşır. Bu açıdan uzman sistemler hasarlı bir yapının hasar tespiti, yada mevcut bir yapının herhangi bir depremde göreceği hasarı tahmin için çok uygun bir yaklaşım gösterecektir. Bulanık mantık ile, kullanılacak parametrenin (betonun dayanımı, çatlak miktarı, donatının yetersiz-az-fazla olması gibi ya da kısmen var-yok, güçlü-zayıf gibi belirsizlik içeren) bir üyelik derecesi ile bilgi tabanı-kurallar-çıkarım zincirinde değerlendirilecek olması çıkarımın başarısını arttıracaktır. Bilgi tabanında konu hakkında uzman kişilerin tecrübeleri olacak, kitaplar, ilgili yönetmelikler ve standartlar, konu hakkında evrensel gerçekler, daha önceki incelemelerde ortaya çıkan senaryolar, geçmiş depremlerden edinilen ve ülkemiz yapılarının karakteristiğini ortaya koyan durum tespitler vb. tüm bilgiler olacak ve bunlar biri biriyle ilişkili bir kurallar zincirine dönüştürülecektir.

Sistem bilgi tabanı sürekli veri girişine açıktır. Herhangi bir ifade sonradan değiştirilebilecek veya yeni bir gerçek karşısında kural tabanı kolayca düzenlenebilecektir. Bu uzman sistemlerin esnek yapısından kaynaklanmaktadır. İnsan faktörü veya gözlem neticesinde elde edilen göreceli kavramların oluşturduğu hatalar yok edilmiş olacaktır. Örneğin kural tabanında aşağıdakine benzer ifadeler olacaktır:

EĞER beton kalitesi DÜŞÜK VE donatı miktarı AZ ise VEYA yanal rijitlik YETERLİ DEĞİL ise VE…

Gibi bir kural zincirinde, beton kalitesinin düşük olması ifadesi bulanık (fuzzy) küme yaklaşımı ile değerlendirilecek ve ülkemizde kullanılan beton kalitesi dikkate alınarak ve yapının bulunduğu ilgili deprem bölgesi de göz önünde bulundurularak bir çıkarım yapılacaktır. Yani beton kalitesinin düşük olması şeklinde ifade edilen dilsel ifade fuzzy üyelik yardımıyla bir sayısal değer alacak ve uzman sistem tarafından hasar miktarına katkısı ilgili üyelik nispetinde dikkate alınacaktır. Yani kişiden kişiye değişen göreceli ifadelerin (Çok yüksek, düşük, orta, çok sıcak, düşük kalite gibi) üyelik dereceleri fuzzy çıkarım ile belirlenecektir. Uzman sistem ile hasar analizi için yapılan çalışmalar yurtdışında mevcut olup araştırmacılar bu yazılımları bizzat incelemiştir. Adeli ve ekibi tarafından bu tarz çalışmalarda daha çok köprü veya kafes sistemlerin hasar tespitinde kullanılmış ve sismik veriler esas alınmıştır. BTEXPERT olarak bilinen yazılım bahsedilen tarzda bir uzman sistemdir. Bina için geliştirilen ve sadece uzman sistem esaslı olan çalışmalarda ise hasar tespitine elemanlarda oluşan çatlaklar veya bazı yapı elemanlarının boyutları, yaptığı deplasmanlara bakılarak bir hasar derecesine ulaşılmaktadır.

5. SONUÇLAR
Proje neticesinde şu amaçlara ulaşılabilecektir:
• Herhangi bir yapının belirli bir büyüklükteki deprem etkisinde göreceği hasar derecesi ve bu hasara neden olan mekanizma belirlenecektir.

• Sistemin bilgi tabanına, betonarme yapım kuralları, depreme dayanıklı yapı tasarımı ilkeleri, deprem yönetmeliği ilkeleri ve konu hakkında deneyime sahip uzmanlardan elde edilecek bilgiler tanımlanacaktır. Uzman sistemlerin bilgi tabanları sürekli güncellenebilme özelliğine sahiptir. Yeni bir bilgi veya yönetmelikteki bir değişiklik hemen programda aktif hale getirilebilecek yapıdadır.

• Hasar tespitinde kullanılan az-çok, yüksek-düşük, büyük-küçük, yeterli-yetersiz, var-yok, kısmen var-yeterli miktarda var, uygun-uygun değil, vb. dilsel ve göreceli kavramlar bulanık küme teorisi ile üyelik fonksiyonlarına sahip olarak çözüme bu üyelik oranında etki edeceklerdir.

• Ortaya çıkacak sistem, tecrübesiz personelin eğitiminde interaktif ara yüzü sayesinde kullanılabilecektir. Bu yönü uzman sistemlerin en etkili özelliğidir. Daha önce yapılmış olan hastalık teşhisi, savaş stratejisi belirleme, ekonomik analizler yapan uzman sistemler hayli başarılı sonuçlar vermiştir.

• Yapıya ait her türlü bilgi (deprem bölgesi, sıvılaşma potansiyeli, temel tipi, yapı önem katsayısı, taşıyıcı sistem tipi, perde taşıyıcıların olup olmaması, kısa kolon etkisi, yumuşak kat, yetersiz yanal rijitlik, planda simetri olup olmadığı, katlar boyunca rijitliğin değişimi, donatı bilgileri vb.) programa bir ara yüz yardımıyla girilecektir. Bu değerler uzman sistem bilgi tabanı-kontekst-çıkarım motorundan geçtikten sonra bir puan verilecek ve göreceli kavramlara bulanık küme kuramı ile üyelik dereceleri atanacaktır.

• Oluşturulacak bilgi tabanlı program, belediyelerin ilgili birimleri, bayındırlık il müdürlükleri, afet işleri genel müdürlüğü ve diğer ilgili birimlerce personel eğitimi veya mevcut bir depremden önce veya sonra yapı stoklarının durumunun hızlıca tespiti amaçlarıyla kullanılabilecektir. Bunun Ülke ekonomisine ve kamu kurumlarına, personel, zaman, para açısından büyük katma değer sağlayacağı açıktır.

• Ortaya çıkacak yazılım bir yapı hakkında kendi verdiği sonucun dahi % miktar olarak güvenirliliğini belirtecektir. Yani bazı durumlarda istenen bütün veriler mevcut ve analiz sonuçları kullanılabilecek ise üreteceği sonuca %90 kesindir şeklinde verecektir. Yâda şu şu gerekçelerle bu yapı hakkında ulaşılan sonuç %70 oranda doğrudur. Bu yüzdelik dilimin artması için şu tarz bilgilere ihtiyaç vardır diyerek (bilgi tabanında bulunan gerçek-kontekst-çıkarım mekanizması sayesinde) kullanıcıyı uyaracaktır.

• Projenin şu andaki amacı betonarme binalar olmasına rağmen (ülkemiz yapı stoku ve öncelikli riskler dikkate alınınca) ortaya çıkacak bilgi tabanlı sistem bilgi tabanındaki bilgilere farklı alanlarda ilaveler yapılarak örneğin köprü yada çelik yapıların hasar miktarlarını belirleyebilecektir. Bu durumda köprüler ile ilgili standartlar, gerçekler, tecrübeler, analizler vb. bilgiler sistemin bilgi tabanına girilecek ve bulanık üyeler istenilen parametreler (kesinlik içermeyen-dilsel) için hesaplanacaktır.

• Sadece depremde hasar görmüş yapıların hasar tespitinde değil, aynı zamanda mevcut herhangi bir binanın bir deprem senaryosu için hasar miktarı ve hasar mekanizması belirlenebilecektir.

• Bir yapının hasar görebilirlik analizi karmaşık bir süreci gerektirmekte ve konun hakkında uzman bir ekibin sıkı çalışmasını zorunlu kılmaktadır. Bu ise uzun bir süreye ihtiyaç duymaktadır.

• Mevcut kullanılan yöntemler gözlemsel olarak yapılan ve bir föyün doldurulması neticesinde ortaya çıkan durumun değerlendirilmesi şeklinde çok kaba bir yaklaşım olmaktadır. Bu tarz yaklaşım ise daha önce anlatıldığı gibi belirsiz ifadeler içermektedir. Dayanım düşük, rijitlik yetersiz, yapı az sünek, korozyon mevcut, etriye sıklaştırılması az gibi. Bu ifadelerin hepsi görecelidir. İkinci bir yaklaşım ise yapı analizine dayalı bir yaklaşımdır. İkinci ve üçüncü kademe analiz olarak da bilinen bu aşamada yapının mimari ve statik rölevesi (projesi yok ise) çıkartılmaktan başlayıp günler boyu analizler yapmaya gerek duyulmaktadır. Kısaca hangi yaklaşımı seçersek seçelim hem süre uzun, hem analizde kullanılan parametreler hatalar içereceğinden yada dilsel (sözel) olarak verilen ifadeler içerdiğinden (yüksek dayanım, yanal rijitlik az, beton dayanımı orta vb) elde edilen sonuç sadece belirli bir analize dayalı (deplasman, modal ya da performans) sonuçlar verecek hem de güvenilir olmaktan çok uzak olacaktır. Çünkü bu tarz yaklaşımları araştırmacılarda kullanmışlar ve bu çelişkileri pek çok yapı üzerinde bizzat görmüşlerdir. Örneğin 1999 depreminde sonra Adapazarı’nda yapılan incelemeler sırasında sağlam raporu verilen pek çok bina daha sonra daha düşük bir depremde tamamen yıkılmıştır. Yapının hakim periyodu ile zemin periyodunun çakıştığı bu bölgede bazı daha çok katlı yapılar ayakta kalmış ve bölge halkı ile birlikte mühendislerde hayrete düşmüştür. Oysa gerçek bir uzman bu tarz bir analize ihtiyaç duyulacağını en azından öngörebilecektir. İşte çalışmada kullanılacak uzman sistem bütün yönetmelik, tecrübe ve gerçekleri içereceğinden ve daha önceden davranışı veya mekanizması bilinen bazı binalara ait simülasyonlar içereceğinden sonuca bir uzman titizliği ve hiçbir parametreyi ihmal etmeden ulaşacaktır.

Teşekkür
Yazarlar Akdeniz Üniversitesi Bilimsel Araştırmalar ve proje biriminin desteğine teşekkür ederler. Proje raporunun en önemli kısımları bu yazıda özet halde sunulmuştur.

KAYNAKLAR
Bu yazının hazırlanması sürecinde aşağıdaki kaynaklardan yararlanılmıştır:
[1] Adeli, H., Hung, SL., Machine Learning-Neural Networks, Genetic Algorithms and Fuzzy Systems, John Wiley & Sons, Inc., 1995.
[2] Adeli, H., Expert Systems in Construction and Structural Engineering, Chapman and Hall, London, 1987.
[3] Civalek, Ö., Flexural And Axial Vibration Analysis Of Beams With Different Support Conditions Using Artificial Neural Networks, International Journal of Structural Engineering and Mechanics, 18(3), 303-314, 2004.
[4] Ülker, M., Civalek, Ö., The Buckling Analysis Of Axially Loaded Columns With Artificial Neural Networks, Turkish J. Eng. Env. Sci., TUBITAK, 26, 117-125, 2002.
[5] Civalek, Ö., The Analysis of Time Dependent Deformation In R.C. Members By Artificial Neural Network, Journal of Eng. Sciences of Pamukkale Univ., 3(2), 331-335, 1997.
[6] Civalek, Ö., Fuzzy Optimum Design Of Plane Truss Structures, Journal of Engineering and Natural Sciences of Yıldız Technique University, Vol.4, 151-159, 2005.
[7] Civalek, Ö., Çatal, H.H., ve Demirdağ, O., Geriye Yayılma Yapay Sinir Ağları ile Düzlem Çerçeve ve Kirişlerin Titreşim Frekanslarının Tahmini, İMO Teknik Dergi Temmuz, Cilt 13(3), 2709-2726, 2002.
[8] Ülker, M., Civalek, Ö., Dairesel Silindirik Kabukların Hibrit Yapay Zeka Tekniği İle Analizi, İMO Teknik Dergi, 12(2), 2401-2417, 2001.
[9] Civalek, Ö., Ülker, M., Dikdörtgen Plakların Doğrusal Olmayan Analizinde Yapay Sinir Ağı Yaklaşımı, İMO Teknik Dergi, 15(2), 3171-3190, 2004.
[10] Kaplan, H., Civalek, Ö., Yapı Doğal Titreşim Frekanslarının Fuzzy Mantığı ile Hesabı, Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 4(1-2); 569-575, 1998.
[11] Civalek, Ö., Nöro- Fuzzy Tekniği ile Dairesel Plakların Analizi, Journal of Eng. Science of Dokuz Eylül University, Vol.1(2); 13-31, 1999.
[12] Civalek, Ö., Çatal, H.H., Geriye Yayılma Yapay Sinir Ağı Kullanılarak Elastik Kirişlerin Statik Ve Dinamik Analizi, Dokuz Eylül Üniversitesi Fen ve Mühendislik Dergisi, 6(1), 1-17, 2004.
[13] Civalek, Ö., Yapay Zeka-Söyleşi, İMO, TMH, Sayı 423, 40-50, 2003.
[14] Civalek, Ö., Yapay Sinir Ağları ve Yapı Mühendisliğinde Kullanım İlkeleri, TÜTEV Teknik Dergisi, Sayı 4, 28-35, 2002.
[15] Civalek, Ö., Mühendislik Sistemlerinde Kullanılan Uzman Sistemlerin (US) Temel Prensipleri, Yapı Dünyası Dergisi, Ocak, 44-51, 2003.
[16] Civalek, Ö., Temel Prensipleriyle Genetik Algoritmalar, TÜTEV Teknik Dergisi, Sayı 5, 36-39, 2003.
[17] Civalek, Ö., Bulanık (Fuzzy) yada Puslu Mantık, TÜTEV Teknik Dergisi, 8, 20-25, 2004.
[18] Civalek, Ö., Karınca Koloni Algoritması ve Uygulamaları, TÜTEV Teknik Dergisi, 9,16-22, 2004.
[19] Civalek, Ö., Kafes Sistemlerin Şekil Optimizasyonunda Karınca Koloni Algoritması Yaklaşımı, Antalya İMO Dergisi, 44,14-18, 2005.
[20] Yavaş, A., Civalek, Ö., Yapı Hasarlarının Belirlenmesinde Uzman Sistemlerin Kullanımı, İMO-TMH, 439-440 (5-6)46-55, 2005.
[21] Civalek, Ö., The Analysis of the Rectangular Plates Without Torsion Via Hybrid Artificial Intelligent Technique, Proceedings of the Second International Symposium on Mathematical & Computational Applications, September 1-3, Baku, Azerbaijan, 95-101, 1999.
[22] Civalek, Ö., Nöro-Fuzzy Tekniği Kullanılarak Depreme Dayanıklı Yapı Tasarımı, 4.Ulusal Deprem Mühendisliği Konferansı, 431-438; 17-19 Eylül, Ankara, 1997.
[23] Civalek, Ö., Dikdörtgen Plakların Nöro-Fuzzy Tekniği ile Analizi, III.Ulusal Hesaplamalı Mekanik Konferansı, 16-18 Kasım, İstanbul, 517-525; 1998.
[24] Civalek, Ö., Çatal, H.H., Geriye Yayılma Sinir Ağı Kullanılarak Elastik Kirişlerin Eğilme Titreşimlerinin Yaklaşık Hesabı, TUMTMK, Ulusal Mekanik Kongresi, Eylül, Selçuk Üniversitesi, Editörler: Aköz, A.Y., Gülçat, Ü.,14 Eylül, 203-212, 2001.
[25] Civalek, Ö, Elastik Zemine Oturan Kirişlerin Nöro-Fuzzy Tekniği ile Analizi, 7.Ulusal Zemin Mekaniği ve Temel Mühendisliği Kongresi, 22-23 Ekim, Yıldız Teknik Üniversitesi, İstanbul, 1998.
[26] Civalek, Ö., Calayır, Y., Yapay Sinir Ağı Tekniği Kullanılarak Düzlem Çerçeve Yapıların İkinci Mertebe Analizi., GAP 2.Mühendislik Kongresi, 46-55, 21-23 Mayıs, Ş.Urfa, 1998.
[27] Civalek, Ö., Dikdörtgen Plakların Lineer Ve Non-Lineer Analizinde Yapay Sinir Ağı Yaklaşımı, MMYS-2001, Mühendislikte Modern Yöntemler Sempozyumu-Mayıs 2001, İ.T.Ü, İstanbul (özeti yayınlandı).
[28] Civalek, Ö., Optimum Yapı Dizaynında Yapay Zeka Yaklaşımlar, Deprem Sempozyumu Kocaeli 2005, 1325-1334,23-25 Mart, 2005, Kocaeli.
[29] Civalek, Ö., Karınca Koloni Algoritması (KKA) İle Düzlem Kafes Sistemlerin Optimum Tasarımı, MMYS-2005, Mühendislikte Modern Yöntemler Sempozyumu, 2005, İ.T.Ü., 16-18 Kasım, İstanbul.
[30] Kömür, M., Altan, M., Deprem Hasarı Gören Binaların Hasar Tespitinde Bulanık Mantık Yaklaşımı, İTÜ Dergisi D, 4(2)43-52, 2005.
[31] Möller, B., Graf, W., Nguyen, S.H. Uncertainty in Damage Assessment of Structures and Its Numerical Simulation, Computer-Aided Civil and Infrastructure Engineering, 16, 375-383, 2001.
[32] Ross, TJ., Fuzzy logic with engineering applications, McGraw-Hill, Inc., 1995.
[33] Sazonov, E.S., Klınkhachorn, P., Gangarao H.V.S., Halabe U.B., Fuzzy Logic Expert System For Automated Damage Detection From Changes In Strain Energy Mode Shapes, Nondestructive Testing and Evaluation, 2002 Vol.18 (1), pp.1-20.
[34] Sawyer, J.P., Rao, S.S., Structural Damage Detection and Identification Using Fuzzy Logic, AIAA, 38(12)2328-2335, 2000.
[35] Szewezyk, ZP., Hajela, P., Damage Detection in Structures Based on Feature-Sensitive Neural Networks, J Computing Civil Eng., ASCE, 1994; 8(2):163-78.
[36] Wu, X., Ghaboussi, J., Garrett, JH., Use of Neural Networks in Detection of Structural Damage, Computers & Structures, 1992 ; 42(4): 649-59.
[37] Şen, Z., Bulanık Mantık ve Modelleme İlkeleri, Bilge Kültür Sanat, İstanbul, 2001.
[38] Giarratono, J., and Riley, G., Expert Systems, Principles and Programming, PWS Publishing Company, Boston,1994.
[39] Taha, M.M.R., Lucero, J., Damage Identification for Structural Health Monitoring Using Fuzzy Pattern Recognition, Engineering Structures, 27 (2005), 1774-1783.
[40] Lagaros, N.D., Tsompanakis, Y., Intelligent Computational Paradigms in Earthquake Engineering, IDEA Group Publishing, 2007.
[41] Chiang, W., Liu, K.F.R., Lee, J., Bridge Damage Assessment Through Fuzzy Petri Net Based Expert System, Journal of Computing in Civil Eng., 14(2) 141-149, 2000.
[42] Celep, Z., N. Kumbasar; Deprem Mühendisliğine Giriş ve Depreme Dayanıklı Yapı Tasarımı (Bölüm 11: Performans kavramına dayalı tasarım), Beta Yayıncılık, 2004 İstanbul.
[43] Sezer, F., Gençoğlu M., ve Celep, Z., Deprem Yönetmeliği (2007) Kuralları İle Betonarme Binaların Deprem Güvenliğinin Değerlendirilmesine Kıyaslamalı Bir Bakış, 6.Ulusal Deprem Mühendisliği Konferansı, 539-550, 16-20 Ekim 2007, İstanbul.
[44] Özcebe, G., 3 Subat 2002 Afyon-Sultandağı Depreminde Gözlenen Yapısal Hasarlar ve Nedenleri, rapor-İMO, 2002.
[45] Bayülke N., Depremde Hasar Gören Yapıların Onarım ve Güçlendirilmesi, İMO İzmir Şubesi, 1999.
[46] Afet Bölgelerinde Yapılacak Yapılar Hakkında Yönetmelik (1998), www.koeri.boun.edu.tr.
[47] Aydınoğlu, N, Celep, Z, Özer, E, Sucuoğlu; H. (2007) Deprem Bölgelerinde Yapılacak Binalar Hakkında Yönetmelik-Örnekler Kitabı, Bayındırlık ve İskan Bakanlığı, Ankara.
[48] Özcebe, G., (2004). “Deprem Güvenliğinin Saptanması İçin Yöntemler Geliştirilmesi”, TÜBİTAK İÇTAG YMAÜ I574 Araştırma Projesi Sonuç Raporu, Ankara.
[49] Gülkan, P. “Deprem Hareketine Maruz Perde Duvarlı Yapıların Değerlendirmesi” 6. Ulusal Deprem Mühendisliği Konferansı, Çağrılı Bildiriler Kitabı, Cilt 3, Sf. 217-229,16-20 Ekim 2007, İstanbul.
[50] Polat Gülkan, Güney Özcebe, Haluk Sucuoğlu ve diğ., 3 Şubat 2002 Sultandağı ve Çay Depremleri Mühendislik Raporu, METU, 2002.
[51] Sucuoğlu, H. (2003). Orta Yükseklikte Betonarme Binalar İçin Basitleştirilmiş Değerlendirme Yöntemleri, Beşinci Ulusal Deprem Mühendisliği Konferansı, Çağrılı Konuşma, İstanbul.