Machine Translated by Google

Hindawi
Advances in Civil Engineering
Volume 2019, ID Artikel 8384523, 3
halaman https://doi.org/10.1155/2019/8384523

Tajuk rencana

Aplikasi Kecerdasan Buatan dalam Teknik Sipil

Tayfun Dede 1 , Murat Kankal,2 Ali Reza Vosoughi,3 Maksym Grzywin´ski,4

dan Moacir Kripka 5
1
Departemen Teknik Sipil, Universitas Teknik Karadeniz, Trabzon, Turki
2
Departemen Teknik Sipil, Universitas Uludagÿ, Bursa, Turki
3
Departemen Teknik Sipil, Universitas Shiraz, Shiraz, Iran
4
Departemen Teknik Sipil, Universitas Teknologi Czestochowa, Czestochowa, Polandia
5
Departemen Teknik Sipil, Universidade de Passo Fundo, 99001-970 Passo Fundo, RS, Brasil

Korespondensi harus ditujukan kepada Tayfun Dede; tayfundede@gmail.com

Diterima 9 April 2019; Diterima 10 April 2019; Diterbitkan 2 Mei 2019

Hak Cipta © 2019 Tayfun Dede dkk. adalah artikel akses terbuka yang didistribusikan di bawah Lisensi Atribusi Creative Commons,
yang mengizinkan penggunaan, distribusi, dan reproduksi tanpa batas dalam media apa pun, asalkan karya asli dikutip dengan benar.

Dengan senang hati, kami perkenalkan edisi khusus Journal of
Advances in Civil Engineering ini, hasil usaha bersama penulis,
editor, dan reviewer.
Kecerdasan buatan adalah untuk mengembangkan elemen
mesin yang menganalisis sistem berpikir manusia dan
mencerminkan hal yang sama dengan kenyataan. Dalam
beberapa tahun terakhir, aplikasi kecerdasan buatan telah
menemukan berbagai aplikasi di bidang teknik sipil dan
cabang teknik lainnya. e peningkatan studi kecerdasan buatan
dengan percepatan besar menunjukkan bahwa penggunaan
kecerdasan buatan di cabang teknik akan
meningkat di tahun-tahun mendatang. Fokus dari edisi
khusus ini adalah pada penerapan pendekatan kecerdasan
buatan dalam teknik sipil. Kajian kecerdasan buatan hibrid
khususnya di bidang teknik struktural, manajemen konstruksi,
hidrologi, teknik hidrolik, teknik geoteknik, teknik lingkungan,
teknik transportasi, teknik pesisir dan laut, dan material
konstruksi menjadi dasar dari edisi khusus ini. Selain itu, artikel
ulasan termasuk penerapan teknik sipil menggunakan cabang
teknik kecerdasan buatan (ANN, sistem fuzzy, sistem pakar,
dan kecerdasan segerombolan) juga dibahas dalam edisi
khusus ini.
Selama panggilan untuk pengajuan, lebih dari 40 makalah
diterima, dengan fokus pada beberapa aspek yang berkaitan
dengan penerapan kecerdasan buatan dalam teknik sipil.
Dua belas dari makalah ini diterima oleh wasit dan editor.
Proses revisi yang ketat dapat dilihat sebagai indikasi tingginya
kualitas karya yang diterima. e
rincian tentang makalah yang diterbitkan diberikan dalam
urutan. e
makalah pertama yang diterima disiapkan oleh Lu et al.
menyajikan metode penilaian risiko untuk konstruksi sistem
kabel jembatan gantung berdasarkan model awan. Model yang
diusulkan dapat menggabungkan keacakan dan ketidakjelasan
informasi risiko secara efektif. Pada akhir studinya, penulis
menyimpulkan bahwa metode penilaian risiko dapat memberikan
jaminan keselamatan dan dukungan teknis untuk konstruksi
sistem kabel jembatan gantung bentang panjang.
S. Petruseva dkk. menyajikan metode hybrid untuk
memprediksi waktu konstruksi pada fase awal proyek. Mereka
menggunakan banyak teknik JST seperti General Regression
Neural Network (GRNN), Backpropagation Neural Net work
(BNN), dan Radial Base Function Neural Network (RBFNN).
Studi mereka menunjukkan bahwa teknik BNN lebih baik
daripada teknik lainnya jika dibandingkan dengan hasil yang
diperoleh. Namun, model yang mereka kembangkan tidak
cocok untuk dampak faktor risiko yang lebih tinggi dan lebih
intensif selama masa konstruksi.
H. Ceylan dan T. Ozcan mempresentasikan studi kasus
tentang optimalisasi waktu transit dan keberangkatan di
jaringan bus perkotaan. Penulis menggunakan metode
optimisasi pencarian harmoni metaheuristik untuk mengevaluasi
biaya pengguna dan operator. studi ini memberikan solusi
Pareto dalam hal manfaat pengguna dan operator. Di akhir
studi, penulis menyimpulkan bahwa total waktu tempuh dan
total km layanan dapat dikurangi masing-masing sebesar 4,8%
dan 9,8%, dibandingkan dengan jaringan bus saat ini.
Machine Translated by Google
2 Kemajuan dalam Teknik Sipil
E.-T. Lee dan H.-C. Eun menginvestigasi metode deteksi kerusakan
dengan menggunakan tingkat variasi tekanan atau kekakuan dari
elemen truss sebelum dan sesudah kerusakan. Untuk memprediksi
elemen yang rusak tergantung pada pengukuran yang lengkap dan
tidak lengkap, penulis studi ini mempertimbangkan beberapa metode
seperti metode substruktur, metode deteksi kerusakan, dan metode
substruktur berbasis statis dan dinamis. Pengetahuan mendetail tentang
metode ini dapat ditemukan dari makalah yang dikirimkan ke edisi
khusus ini.
GB Jumaa dan AR Yousif mengusulkan tiga model prediksi dengan
menggunakan JST. mereka adalah JST, pemrograman ekspresi gen
(GEP), dan analisis regresi nonlinier (NLR). e penulis menggunakan
database besar termasuk 269 hasil uji geser dan pemrograman genetik
untuk memprediksi kapasitas geser balok beton bertulang FRP tanpa
sengkang. studi parametrik mereka menunjukkan bahwa model JST
mendefinisikan secara akurat interaksi semua parameter pada prediksi
kapasitas geser.
C.-Y. Kao dkk. mengembangkan pendekatan bantuan komputer
dua langkah untuk desain campuran beton pozolanik. Langkah pertama
adalah membuat dataset campuran beton pozolanik pro porsi yang
sesuai dengan American Concrete Institute Code. Pada langkah
pertama, JST digunakan untuk menetapkan model prediksi kuat tekan
dan slump beton. Analisis sensitivitas JST digunakan untuk mengevaluasi
pengaruh masukan terhadap keluaran JST. Dua model JST diuji
menggunakan data spesimen percobaan yang dibuat di laboratorium
untuk dua belas campuran yang berbeda. Langkah kedua adalah
mengklasifikasikan dataset proporsi campuran beton pozolanik. Metode
klasifikasi digunakan untuk mengkategorikan dataset menjadi 360 kelas
berdasarkan kekuatan tekan, tingkat penggantian pencampuran
pozzolanic, dan biaya material. kita, seseorang dapat dengan mudah
mendapatkan solusi campuran berdasarkan faktor-faktor ini. Hasil
menunjukkan bahwa pendekatan berbantuan komputer yang diusulkan
nyaman untuk desain campuran beton poz zolanic dan praktis untuk
aplikasi teknik.
N.-D. Penelitian Hoang menetapkan pendekatan otomatis untuk
deteksi lubang jalan aspal. Teknik pemrosesan gambar termasuk filter
Gaussian (GF), filter yang dapat diarahkan (SF), dan proyeksi integral
(IP) digunakan secara sinergis untuk mengekstraksi fitur dari gambar
digital trotoar. Dua level GF digunakan sebagai teknik denoising citra.
SF dibantu oleh GF digunakan untuk menghasilkan peta tahan lubang.
Analisis IP berdasarkan peta tersebut dilakukan untuk menampilkan
fitur gambar secara numerik dengan minat khusus dalam pengenalan
lubang. Teknik rata-rata bergerak sederhana diajukan untuk mengurangi
jumlah fitur yang diekstraksi dari 300 menjadi 60. Berdasarkan fitur
gambar, dua pendekatan kecerdasan buatan (AI) JST dan mesin vektor
pendukung kuadrat terkecil (LS-SVM) telah digunakan untuk membangun
model klasifikasi untuk memprediksi keberadaan lubang di permukaan
perkerasan.
Hasil eksperimen dengan prosedur subsampling berulang dengan 20
proses memastikan bahwa JST dan LS-SVM adalah metode AI yang
mampu untuk mendeteksi lubang. Hal ini dikarenakan tingkat akurasi
klasifikasi (CARs) kedua metode tersebut lebih tinggi dari 85% dan nilai
area under the curve (AUC) melebihi 0,9.
Selain itu, LS-SVM telah diidentifikasi sebagai pendekatan yang lebih
baik untuk tugas deteksi lubang dengan akurasi yang diinginkan sekitar
89%.
S. Golnaraghi et al. menggunakan empat metode JST yang
berbeda: Backpropagation Neural Network (BNN), Radial Basis Network
(RBF), Generalized Regression Neural Network (GRNN), dan Adaptive
Neuro-Fuzzy Inference System (ANFIS) untuk memodelkan produktivitas
tenaga kerja. Cuaca (suhu, kelembaban, kecepatan angin, dan curah
hujan), kru (ukuran geng dan persentase tenaga kerja) dan data proyek
(jenis pekerjaan, tingkat lantai, dan metode kerja) dipilih sebagai
masukan dalam model. Menurut nilai R2 , hasil terbaik dalam model
diperoleh dari BNN dengan 0,98 untuk set pelatihan dan dari RBF
dengan 0,85 untuk set tes. Dalam tiga metode selain RBF, ditentukan
bahwa suhu adalah parameter terpenting yang mempengaruhi
produktivitas tenaga kerja. Ditentukan bahwa model BNN terbaik yang
diperoleh sebagai hasil dari penelitian ini dapat membantu menghemat
waktu dan biaya yang terkait dengan menghitung hilangnya produktivitas.
´
JA Alvarez dkk. prediksi kinerja energi rumah menggunakan model
ANN untuk mengevaluasi efisiensi energi bangunan. Dataset yang
diperoleh dari 453 bangunan yang terletak di wilayah utara Spanyol
dengan total area yang dapat digunakan seluas 570.438,30 m2
digunakan dalam model. Data dibagi menjadi dua: 90% di antaranya
adalah set pelatihan, dan 10% di antaranya adalah set validasi.
Bersamaan dengan studi ini, dimungkinkan untuk memperkirakan
efisiensi energi suatu bangunan di wilayah tertentu dengan menggunakan
beberapa karakteristik yang dimiliki bangunan tersebut dengan akurasi
tinggi tanpa mengganggu bangunan atau menggunakan alat pengukur
apa pun.
AM al-Swaidani dan WT Khwies menerapkan model ANN dan
regresi multilinier (MLR) untuk memperkirakan kuat tekan, kemampuan
permeabilitas air, dan porositas beton yang mengandung skoria
vulkanik sebagai pengganti semen pada 2, 7, 28, 90, dan 180 hari.
Kandungan semen, kandungan skoria vulkanik, kandungan air,
kandungan superplasticizer, dan waktu curing digunakan sebagai input
model. Data yang digunakan dalam model JST dibagi menjadi 70%
pelatihan, 15% pengujian, dan 15% pola validasi. Analisis sensitivitas
menunjukkan bahwa semua parameter yang digunakan sebagai
masukan dalam penelitian ini berpengaruh nyata terhadap sifat beton
yang mengandung scoria vulkanik sebagai pengganti semen. Hasil
menunjukkan bahwa model JST jauh lebih akurat daripada model MLR
dan bahwa JST dapat digunakan dengan sukses untuk memprediksi
sifat beton yang diselidiki.
X.Cao dkk. mengembangkan pendekatan pengambilan keputusan
multikriteria dinamis baru untuk pemilihan pemasok rendah karbon
dalam proyek konstruksi bangunan rendah karbon. Pendekatan ini
mencakup bilangan fuzzy segitiga bernilai interval fuzzy intuitif.
Berdasarkan permintaan dari konstruktor selama proyek yang
dipertimbangkan, 5 kriteria utama dan 17 subkriteria ditetapkan untuk
pemilihan pemasok rendah karbon di sektor konstruksi. Sebagai
kesimpulan, penulis mengungkapkan bahwa model yang diusulkan
dapat dengan mudah diperluas untuk menganalisis masalah keputusan
manajemen lainnya sebagai model struktural.
N.-D. Hoang dan Q.-L. Nguyen menyarankan model hibrida yang
mencakup pemrosesan gambar dan pendekatan pembelajaran mesin
untuk pengenalan retakan trotoar otomatis. ey
Machine Translated by Google

Kemajuan dalam Teknik Sipil 3

menggunakan teknik pemrosesan gambar tingkat lanjut (filter Laplacian

lokal cepat, filter Sobel, SF, dan IP) untuk mengekstrak properti digital
dari gambar digital. Mereka mendapat manfaat dari pohon klasifikasi
penguat adaptif untuk melakukan tugas pengenalan retakan trotoar.
Untuk menghasilkan dan memvalidasi kinerja pohon klasifikasi
penambah adaptif, kumpulan sampel citra yang terdiri dari lima kelas,
retakan buaya, retakan diagonal, retakan memanjang, tanpa retakan,
dan retakan silang, dikumpulkan. Hasil penelitian mengungkapkan
bahwa akurasi klasifikasi retak dari pendekatan yang diusulkan adalah
sekitar 90%. Model tersebut dianggap dapat digunakan dalam penilaian
kondisi perkerasan jalan pada instansi perhubungan.

Konflik kepentingan

Editor tamu tidak memiliki konflik kepentingan terkait penerbitan

edisi khusus ini.

Terima kasih
Kami ingin mengucapkan terima kasih kepada para penulis yang telah
mengirimkan manuskrip untuk edisi khusus ini. Kami juga ingin
mengucapkan terima kasih kepada para peninjau atas komentar
mereka yang berharga tentang makalah yang dikirimkan untuk edisi
khusus ini. Kami berharap makalah yang diterima untuk edisi khusus
ini akan mengarah pada karya-karya masa depan terkait dengan
kemajuan dalam teknik pengoptimalan. Pemimpin editor tamu
mengucapkan terima kasih kepada semua editor atas kontribusinya
dalam meninjau dan memberikan ulasan untuk skrip manu yang
dikirimkan. Akhirnya, penulis ingin mengucapkan terima kasih kepada
jurnal Advances in Civil Engineering atas kesempatan untuk berkontribusi pada bidang penelitian yang penting.

Tayfun Dede
Murat Kankal
Ali Reza Vosoughi
Maksym Grzywinski ´
Moacir Kripka