Betonarme İstinat Duvarları için Maliyet Tahmin Modelleri

Özet

Betonarme istinat duvarları, karayolu, demiryolu, bina vb. birçok inşaat mühendisliği projesinde inşa edilmektedir. Betonarme istinat duvarlarının tasarımında birçok farklı tasarım kısıtlaması göz önünde bulundurulmalıdır. Geleneksel yaklaşımda, tasarım değişkenleri optimum tasarımı sağlamak için deneme yanılma işlemi ile birçok kez kontrol edilir, bu nedenle proje yöneticileri zamandan tasarruf etmek için optimizasyon teknikleri kullanmak durumundadır. İnşaat mühendisliği projelerindeki diğer bir önemli konu, ihale süreci için inşaat öncesi proje maliyetinin doğru olarak tahmin edilmesidir. Çalışmanın ilk aşamasında, duvar yükseklikleri, sürşarj yükleri ve dolgu zemininin içsel sürtünme açılarının farklı kombinasyonlarında, sağlam zemin tabakasına oturan betonarme istinat duvarı için 125 optimizasyon problemi modifiye yapay arı koloni algoritması kullanılarak analiz edilmiş ve minimum maliyetler belirlenmiştir. Daha sonra, duvarın minimum maliyet tahmini için çoklu regresyon ve yapay sinir ağı modelleri sunulmuştur. Önerilen modellerden elde edilen maliyet tahminleri, modifiye yapay arı koloni algoritması tarafından hesaplanan değerlerle büyük ölçüde uyumludur. Tahmin edilen ve hesaplanan minimum maliyetler arasındaki hata değerleri neredeyse sıfırdır. Sonuçlar, önerilen modellerin, sağlam zemin tabakasına oturan betonarme istinat duvarlarının minimum maliyet tahmini için başarıyla kullanılabileceğini göstermektedir.

Abstract

The reinforced concrete retaining walls (RCRWs) are constructed many civil engineering projects such as highway, railway, building etc. Many different design constraints must be considered in the design of RCRWs. In the traditional approach, the design variables are controlled many times by trial-error process to provide the optimum design, thus the optimization techniques must be used to save on time for project managers. The other important subject in civil engineering projects is to estimate correctly the cost of the project before the construction for the tender process. In the first stage of the study, 125 optimization problems for the RCRW, which are sitting on strong soil layer, are analyzed for different combinations of wall heights, surcharge loads and internal friction angles of the backfill soil by use of the modified artificial bee colony (ABC) algorithm, and minimum costs are determined. Then, the multiple regression and artificial neural network models are presented for minimum cost estimation of the wall. The cost estimations obtained from the proposed models are in great agreement with the calculated values by the modified ABC algorithm. The error values between predicted and calculated minimum costs are almost zero. The results show that the proposed models can be successfully used for minimum cost estimation of the RCRWs sitting on strong soil layer.