Liquefaction assessment and mapping through machine learning methods and GIS for a case study in Balıkesir

Sıvılaşabilir tabakalardaki geçici taşıma kapasitesi kaybı olarak tanımlanan sıvılaşma, yapı - zemin etkileşimi açısından ciddi sonuçlar doğuran bir zemin problemidir. Her ne kadar çeşitli zemin iyileştirme yöntemleriyle bu sorun çözülebilse de yapı inşası öngörülen bölgede öncelikle sıvılaşma analizinin doğru tespiti gerekmektedir. Bu yüzden, tez kapsamında, zeminin sıvılaşıp sıvılaşmadığını tahmin etmek amacıyla sıvılaşma riski ve sismik özellikleri arasındaki karmaşık ilişkiyi modellemek için yapay sinir ağları, rassal orman ve destek vektör makinesi gibi iyi bilinen üç makine öğrenme modelinin kullanılabilirliği incelenmiştir. Yüksek riskli deprem bölgelerinde yer alan çalışma alanları için sıvılaşma risk haritaları kritik öneme sahiptir. Bu nedenle, tezin ikinci bölümünde Balıkesir Körfezi'ndeki rastgele seçilen çalışma alanının sıvılaşmaya karşı hassasiyeti, proje sahası yakınından alınan 7 adet gerçek sondaj kuyusu verilerine göre jeolojik ve geoteknik açıdan incelenmiştir. Bu bölge yeraltı suyu seviyesinin yüksek olduğu alüvyonlu zemin üzerinde bulunduğundan, sıvılaşma durumunun tespiti hayati önem arz etmektedir. Çalışma alanının sıvılaşma potansiyelinin (FS) SPT tabanlı basitleştirilmiş yönteme göre belirlenmesinin yanı sıra, sıvılaşma potansiyeli indisi (LPI) de hesaplanarak coğrafi bilgi sistemleri (CBS) yardımıyla ilgili mikro haritalar oluşturulmuştur. Elde edilen sonuçlar, çalışma alanının tamamının olası bir deprem sırasında pratik olarak orta düzeyde sıvılaşma potansiyeline sahip olduğunu göstermektedir. Anahtar Sözcükler: Sıvılaşma potansiyeli, Makine öğrenmesi, Rastgele Orman, Coğrafi bilgi sistemleri, Standart penetrasyon deneyi.