Son olarak oluşan 06 Şubat 2023 Kahramanmaraş deprem çiftinin oluşturduğu yapısal kayıplar mevcut yapılar ile ilgili deprem performanslarının önemini bir kez daha ortaya koymuştur. Modern afet öncesi yönetiminin bir parçası da mevcut yapıların olası depremden önce risk önceliklerinin belirlenerek gerekli önlemlerin alınmasını sağlamaktır. Bu tez çalışmasında betonarme binaların risk önceliklerinin yapay zeka metodları ile belirlenmesi adına Van iline bağlı Çaldıran ilçesinde yer alan mevcut betonarme yapı stoku üzerinden örnekleme yapılmıştır. Seçilen betonarme binalar için saha incelemeleri sonucu elde edilen veriler kullanılarak yapısal sistem puanları elde edilmiştir. Bu puanlamalara göre betonarme yapıların risk öncelikleri iki farklı sınıfa ayrılmıştır. Çalışma kapsamında 2019 yılında güncellenen Türk Hızlı Değerlendirme yöntemi kullanılmıştır. Elde edilen tüm değerler dikkate alınarak çok katmanlı algılayıcı ağlar ve ateşböceği optimizasyon algoritmasının hibritleştirilmesi ile oluşturulan model ile betonarme yapıların bölgesel risk öncelikleri sınıflandırılmaya çalışılmıştır. Bölgenin yapı stoku hakkında bilgiler verilerek alınabilecek önlemler hakkında öneriler yapılmıştır.
The structural losses caused by the last 06 February 2023 Kahramanmaraş earthquake couple once again revealed the importance of earthquake performances of existing structures. A part of modern pre-disaster management is to determine the risk priorities of existing structures before a possible earthquake and to ensure that necessary precautions are taken. In this thesis study, exemplification was made on the existing reinforced-concrete building stock in Çaldıran district of Van province in order to determine the risk priorities of reinforced-concrete buildings with artificial neural networks. Structural system scores were obtained for selected reinforced-concrete buildings using the data obtained from field investigations. Within the scope of the study, the Turkish Rapid Assessment method was used which was updated in 2019. The regional risk priorities of reinforced-concrete buildings were tried to be determined with the help of artificial neural network, taking into account all the obtained values. Information about the building stock of the region was given and suggestions were made about the measures that could be taken.