Akademik Veri Yönetim Sistemi
ACTA GEOTECHNICA SLOVENICA, cilt.19, sa.2, ss.33-45, 2023 (SCI-Expanded)
Suya doygun, kohezyonsuz zeminler, depremler gibi tekrarlayan dinamik yüklerin etkisi altında artan boşluk suyu basıncı nedeniyle geçici olarak kayma dayanımlarını kaybedebilir. Bu olay zemin sıvılaşması olarak tanımlanır ve yapılarda önemli hasarlara neden olur. Zeminlerin sıvılaşma potansiyeli, arazide ve laboratuvar testlerinden elde edilen birçok zemin parametresine bağlıdır. Bu çalışmada, kohezyonsuz zeminlerin sıvılaşma potansiyelini tahmin etmek için yeni modeller geliştirilmiştir. Bu amaçla Kayseri ve Erzincan illerinde doğrusal olmayan çoklu regresyon ve yapay zeka ile sıvılaşma potansiyelini hesaplamak için 837 adet zemin veri seti toplanmıştır. Doğrusal Olmayan Çoklu Regresyon Analizi, Yapay Sinir Ağları ve Uyarlanabilir Nöro-Bulanık-Çıkarım Sistemi tekniklerine dayalı modeller, basitleştirilmiş yöntemin sonuçlarıyla karşılaştırıldı. Modellerin performans değerlendirme kriterleri için belirleme katsayıları (R2) ve çeşitli hata oranları hesaplanmıştır. Önerilen YSA modeli, zemin ile giriş parametreleri arasındaki karmaşık ilişkiyi etkili bir şekilde bulmuş ve sıvılaşma potansiyelini diğer yöntemlerden daha doğru bir şekilde tahmin etmiştir. Genel başarı oranı yüzde 90 ve en düşük ortalama mutlak hata oranı 0,024'tür. Mevcut yöntemlerin gelişmesiyle birlikte, zeminlerin sıvılaşma olasılığını tahmin etmek için yeni modeller ortaya çıkmıştır.
Saturated, cohesionless soils can temporarily lose their shear strength due to increased pore-water pressure under the effect of repetitive dynamic loads such as earthquakes. This event is defined as soil liquefaction and causes significant damage to structures. The liquefaction potential of soils depends on many soil parameters obtained in the field and from laboratory tests. In this study, new models have been developed to estimate the liquefaction potential of cohesionless soils. For this purpose, 837 soil data sets were collected to calculate the liquefaction potential with nonlinear multiple regression and artificial intelligence in the cities of Kayseri and Erzincan. The models based on Nonlinear Multiple Regression Analysis, Artificial Neural Networks, and Adaptive Neuro-Fuzzy-Inference System techniques were compared with the results of the simplified method. Determination coefficients (R2) and various error rates were calculated for the performance-evaluation criteria of the models. The proposed ANN model effectively found the complex relationship between the soil and the input parameters and predicts the liquefaction potential more accurately than other methods. It has an overall success rate of 90 percent and the lowest mean absolute error rate of 0.024. With the improvement of existing methods, new models have been introduced to estimate the liquefaction probability of soils.