Yapay sinir ağlarının geoteknik mühendisliğinde kullanımı

Sıvılaşma, döngüsel boşluk suyu basıncı mekanizmasına dayalı kesme kuvvetindeki azalmanın dış etkisi olarak ortaya çıkan bir durumdur. Sismik bir olay etkileşimi sırasında, doygun ince taneli kohezyonsuz zeminlerde geçici olmakla birlikte, toplam sonuç açısından zemin kütlesinin taneler arası boşluklarını dolduran suyun ani yükselişine bağlı taneler arası gerilme kaybı gerçekleşmektedir (ASCE, Kartam, Flood, 1997).Bu çalışmada Seed ve Idriss tarafından önerilen Seed Yöntemi sıvılaşma potansiyelini tahminde kullanılmıştır. Bu SPT-N tabanlı sıvılaşan ve sıvılaşmanın olmadığı durumları ayıran güvenlik sayısı kullanan yöntemde, zemin döngüsel direnç oranına (CRR) bağlı olarak, çevrimsel gerilme oranı (CSR) hesaplanır. Zemin ince oranı (İTO), deprem magnitudu (M), yüzeydeki maksimum ivme (amax), doygun birim hacim ağırlık (?d) ve doğal birim hacim ağırlık (?n) ile yeraltı su seviyesi CRR tahmininde birlikte düşünülmektedir. Derinlik azalım faktörü ( rd ) için Seed ve Idriss tarafından önerilen ve farklı derinlik sınırları için kullanılan bağıntı uygulanmıştır ( 9.15m, 9.15 m < z 23m ).Hasar göstergesi olarak güvenlik katsayısı (G.S.) olgusu, inşaat mühendisliğinde çokça başvurulan bir uygulamadır. Güvenlik katsayısı G.S.=CRR/CSR şeklinde hesaplanır. G.S.?1olması durumunda sıvılaşmanın gerçekleşeceği, G.S.>1 durumunda ise sıvılaşmanın gerçekleşmeyeceği söylenmektedir.Zeminlerin yüksek derecedeki doğrusal olmayan davranışları için kullanılan çeşitli sayısal modelleme tekniklerinin sınırlamaları, geoteknik yaklaşımlar için aynı zamanda karmaşık ve zaman alıcı olarak da nitelendirilir. YSA ile karmaşık girdi/çıktı ilişkilerini temsil edebilecek güçlü bir veri modelleme aracıdır. YSA iki yönüyle insan beyniyle benzerlik gösterir; ilk olarak YSA öğrenme yoluyla bilgi edinir ve ikinci olarak elde ettiği bilgiyi sinaptik ağırlıklar olarak biline nöronlar arası bağlantılarla saklarlar (Baykasoğlu ve diğerleri, 2009). Bu çalışmada YSA sıvılaşma güvenlik katsayısını tahminlemede kullanılmıştır. Levenberg-Marquardt algoritmalı ileri beslemeli geri yayılımlı bir yapay sinir ağı modeli çevrimsel gerilme oranı yardımıyla hesaplanan sıvılaşma potansiyeli güvenlik sayısı tahmini için geliştirilmiştir. Transfer fonksiyonu olarak sigmoid fonksiyonu kullanılmıştır. ayrıca çeşitli performans belirleme araçları olarak, determinasyon katsayısı (R2), varyans hesabı (VAF), ortalama mutlak hata (MAE) ve ortalama hata kareleri kötü (RMSE) kapasite kontrolü için kullanılmıştır. Elde edilen verilerle YSA modelinin yüksek tahmin performansı gösterdiği açıkça gözlemlenmektedir. Duyarlık analizi de, sıvılaşma potansiyeli tahminini etkileyen faktörlerin göreli önemini incelemek için uygulanmıştır.Anahtar Kelimeler: Yapay sinir ağları, Sıvılaşma potansiyeli, Standart penetrasyon deneyi