36 YANGIN VE GÜVENLİK • MAYIS - HAZİRAN / 2025 2.1. Veri Üretimi İtfaiyecilerin termal riskini değerlendirebilecek güvenilir bir makine öğrenimi (ML) modeli geliştirmek için, gerçek dünya yangın senaryolarını doğru şekilde yansıtan sağlam bir veri kümesine ihtiyaç vardır. Amacımız, Şekil 1’de kırmızı noktalarla gösterilen 59 sıcaklık ölçümüne dayalı olarak (her biri 2 m aralıklarla, zeminden 2,18 m yükseklikte, tavan yakınındaki çeşitli noktalardan toplanmış) itfaiyecinin TOC’sini (termal ortam koşulu) belirlemektir. Sensör aralığına ilişkin duyarlılık analizi, 2 m’lik sensör aralığıyla sonuçların yakınsadığını göstermektedir. Büyük ticari binalarda, özellikle çeşitli oda yerleşimlerine ve uzun koridorlara sahip olanlarda yangın davranışının karmaşık doğası göz önüne alındığında, yüksek doğrulukta veri elde etmek için FDS (Fire Dynamics Simulator) kullanımı gereklidir. Gerçek zamanlı uygulamalarda FDS modelleri fazla hesaplama gücü gerektirdiğinden doğrudan kullanılamasa da, yangın verisi üretmek amacıyla kullanılabilir ve bu verilerle ikame modeller (surrogate models) eğitilebilir. Önerilen yöntemimiz, ticari bir bina yapısında çeşitli yangın senaryolarının simüle edilmesi amacıyla FDS’nin kullanılmasını içerir. Şekil 1’de otel yerleşimiyle gösterilen bu yapı, çok katlı bir ticari binanın kat planını temsil etmektedir. Sıcaklık verileri, zeminden sırasıyla 0,6 m, 1,1 m, 1,9 m ve 2,2 m yüksekliklerde bulunan sensörlerden toplanmıştır; bu yükseklikler, itfaiyecilerin muhtemel hareket yolları göz önünde bulundurularak seçilmiştir. Kavramsal bir kanıt olarak 9 hedef nokta belirlenmiştir: 1. (10,27,0.6), 2. (10,13,0.6), 3. (10,27,1.1), 4. (34,27,1.1), 5. (10,13,1.1), 6. (34,27,1.9), 7. (34,12,1.9), 8. (10,27,1.9), 9. (10,13,1.9). Bu koordinatlar Şekil 1’de kırmızıyla gösterilmiştir. Burada (10,27,0.6) ifadesindeki sayılar, FDS modelindeki hedef noktaların geometrik koordinatlarını (x, y, z) temsil etmektedir. Bu konumlardaki TOC'yi aynı anda tespit etmek üzere bir ML modeli geliştirilmiştir. Modelin girdileri, tavan yakınındaki sensörlerden elde edilen sıcaklık değerleridir. Çıktı ise belirli bir konumda ve farklı yüksekliklerde itfaiyecinin TOC değeridir. Bina yerleşimi, 2018 tarihli IBC (International Building Code) ve 2015 tarihli NFPA 101 LSC (Life Safety Code) standartlarına uygundur. Bu standartlara göre otel yapısı için önemli tahliye gereklilikleri; çıkışlar arası mesafe, çıkışa kadar olan yolculuk mesafesi, ortak geçiş yolları ve maksimum kör noktaları (dead-end) içermektedir. Ölçülen mesafelerde yaklaşık 0,5 m’lik bir belirsizlik vardır. Bu bina düzenine göre en uzun köşegen mesafe yaklaşık 58 m’dir (Şekil 2’deki mavi çizgiye bakınız). Bu uzunluğun yarısı 29 m, üçte biri ise 19 m’dir. Yaklaşık 20 m’lik çıkış ayrım mesafesi (Şekil 2’de mor çizgi) göz önünde bulundurulduğunda, bu mesafe otomatik sprinkler sistemine (ASP) sahip binalar için uygundur; ancak ASP bulunmayan binalar için uygun değildir. Ortak geçiş yolları ve kör noktalara ilişkin gerekliliklerin etkisi de değerlendirilmelidir. Ortak geçiş yollarının ve kör noktaların uzunlukları yaklaşık 10 m’dir (Şekil 2’deki kırmızı çizgiler). Bu değer ASP’li binalar için uygundur; ancak ASP’siz binalar için kör nokta gerekliliğini karşılamaz. Şekil 2’deki analiz temel alındığında, bir çıkışa olan en uzun yolculuk mesafesi yaklaşık 26 m’dir (turuncu çizgi) ve bir misafir odası kapısından çıkışa olan en uzun mesafe 11 m’dir (yeşil çizgi). Bu iki değer de ASP’li ve ASP’siz binalar için uygundur. Kat planı, 2018 IBC ve 2015 NFPA 101 LSC sürümlerine göre ASP’li bir bina için uygundur. Farklı yangın büyüme oranlarını kapsayan sıcaklık koşullarını oluşturmak amacıyla (Tablo 2’ye bakınız) termal etkiye bağlı pencere kırılması için 150° eşik değeri [11] varsayılmıştır. 2.000 adet sayısal deney gerçekleştirilmiştir (Tablo 1), bu deneylerde çeşitli yangın büyüklükleri ve havalandırma senaryoları ele alınmıştır. Toplam 59 sensörden toplanan sıcaklık verileri modelin girdisi olarak, 9 farklı konumdan toplanan sıcaklık verileri ise modelin çıktısı olarak kullanılacaktır. Bu veriler, makine öğrenimi modelinin eğitilmesinde kullanılmaktadır. ÇEVİRİ Tablo 1. Parametrelerdeki değişimler Oda 24'teki parametreler Dağıtım Menzil Tepe HRR Üniforma [2675 kW -9790 kW] Kapıyı açma zamanı Üniforma [30 s - 180 s] Pencere kırılma eşiği Devamlı 150°C [11] Tablo 2. Farklı yangın büyüme oranları için simülasyon sayıları Yangın büyüme hızı Simülasyon sayısı Pik HRR'ye (kW) ulaşma süresi Yavaş Üniforma [1546 - 1938] Orta Üniforma [733 - 969] Hızlı Devamlı [193 - 242] Ultra Hızlı 300 [193 - 242]
RkJQdWJsaXNoZXIy MTcyMTY=