Yapay Sinir Ağı Kullanılarak CPT Tabanlı Sıvılaşma Değerlendirme Abağının Geliştirilmesi.

Abstract

ÖZDepremler sırasında suya doygun kohezyonsuz (veya düşük kohezyonlu) zeminlerde gelişen sıvılaşma olayı etkilediği alanlarda yapısal hasarları arttırarak çok sayıda can ve mal kayıplarına neden olmaktadır. Yeraltı su seviyesinin yüzeye yakın olduğu ve depremselliği yüksek bölgelerdeki suya doygun kumlu ve siltli toprak zeminlerin, sıvılaşmaya olan yatkınlığı bilinmektedir. Bununla birlikte, bu tür zeminlerde zeminin sıkılığını da yansıtan standart penetrasyon testi (SPT) ve/veya konik penetrasyon testi (CPT), makaslama dalgası hızı (V s ) gibi yerinde uygulanan deney verilerinin de girdi olarak kullanıldığı yöntemlerle zeminlerin sıvılaşmaya karşı güvenlik katsayısı (F L ) hesaplanabilmektedir. SPT, CPT ve V s verilerini girdi olarak kullanan bu yöntemler ampirik yaklaşımlar olup, her ampirik yöntemde olduğu gibi artan veri sayısına bağlı olarak bu yöntemler de gelişmeye açıktırlar. Bu ampirik yaklaşımla-rın şekillendirilmesinde kullanılan veriler sıvılaşmaya duyarlı alanlarda meydana gelen depremler sonucunda elde edildikleri için, yapay olarak üretilmeleri zor olup, bu nedenle verilerin bilimsel değerleri de oldukça yüksektir. SPT, CPT ve V s verilerinin girdi olarak kullanıldığı üç yöntemde de sıvılaşmanın varlığı ile yokluğu arasındaki sınır eğrileri mevcut gerçek verilere uydurularak çizilmiş olup, analizlerde kullanılmak üzere bazı eşitliklerle tanımlanmışlardır. Diğer bir ifadeyle, bu eğrisel sınırların çizilmesinde analitik (veya bir hesabı dikkate alan) yaklaşımdan ziyade veriye dayalı uzmanların görüşleri kullanılmıştır. Bu çalışma kapsamında, 1999 yılında Tayvan'daki Chi-Chi depremi sonrasında CPT deneylerinin de yapıldığı, sıvı-laşma gözlenen ve gözlenmeyen sahalara ait olan ve Ku vd. (2004) tarafından raporlanan veri tabanı kullanılmıştır. Robertson ve Wride (1998) tarafından önerilen CPT tabanlı yaklaşımdaki normalize edilmiş konik uç direnci (q c1N ) ve çevrimsel gerilim oranı (CSR 7.5 ) girdi parametreleri olarak kullanılırken, sıvılaşmanın varlık (1) ve yokluk (0) bilgisi ise çıktı olarak kullanılmıştır. q c1N ve CSR 7.5 girdilerine bağlı olarak sıvılaşmanın varlığı (1) veya yokluğu (0) bilgisine analitik olarak ulaşmak için son yıllarda yerbilimleri alanında da başarıyla uygulanan yapay sinir ağı (Artificial Neural Network, ANN) öğrenme yöntemi kullanılmıştır. Öğrenme aşamasının devamında ise CPT tabanlı abaktaki q c1N ve CSR 7.5 değerlerinin olası kombinasyonları ANN modelinde girdi parametresi olarak kullanılarak 1 ile 0 arasında çıktı olarak elde edilen sıvılaşma varlığı veya yokluğuna yatkınlık değerleri ile hesaplanmıştır. Öğrenme sonrasında ANN modeliyle tüm abağı kapsayarak üretilen veri seti kullanılarak CPT tabanlı sıvılaşma değerlendirme abağı geliştiril-miştir.Anahtar Kelimeler: Sıvılaşma, standart penetrasyon testi, konik penetrasyon testi, makaslama dalga hızı, yapay sinir ağı.

Modified RMR to determine rock mass quality, study case of diversion tunnel in Meninting Dam, West Nusa Tenggara, Indonesia

“…Mathematical models then be derived as shown in the equation ( 8) and ( 9) below. RMR89 = 0.334GSI + 38.78 (8) RMRm = 0.3497GSI + 37.971 (9) Fig. 4.…”

“…1 shows the chart used to interpret rock mass quality. In principle, the determination of rock mass quality using GSI method is carried out by observing the surface and the structural conditions on the rock surface, as stated by Sonmez and Ulusay [8].…”

Assessing Fracturing in Weathered Granites: The Example of the Mondim de Basto Granite (Northern Portugal)

“…where S 1 , S 2, and S 3 are the mean joint spacing, obtained by measuring each joint set (1, 2, 3, ...) in a perpendicular direction. The following equation has been proposed for heavily jointed rock masses [20]:…”