Yapay sinir ağları yöntemi ile sıvılaşma analizi ve Adapazarı için örnek bir uygulama

Abstract

Depremler sırasında ortaya çıkan en yıkıcı zemin davranışlarından biri sıvılaşmadır. Sıvılaşma olayının insan hayatı ve yapılar üzerine olan olumsuz etkisi nedeni ile bu konuda yapılan çalışmalar günden güne artmaktadır. Kum ve siltli kumdan oluşan zeminlerde deprem süresince oluşan sıvılaşma potansiyelini belirlemek amacıyla arazi ve laboratuar çalışmalarından elde edilen sonuçlar yardımıyla çeşitli analiz yöntemleri geliştirilmiştir.Çalışmada Adapazarı zeminleri üzerinde meydana gelen sıvılaşma potansiyelini belirlemeye yönelik olarak basitleştirilmiş prosedür ve ?Yapay Sinir Ağı? (YSA) yöntemleri kullanılarak sıvılaşma analizleri gerçekleştirilmiştir. Elde edilen sonuçlarla YSA yönteminin sıvılaşma potansiyelini belirlemedeki başarısı ortaya koyulmaya çalışılmıştır.YSA yöntemi ile yapılan sıvılaşma analizinde, geri yayılım algoritması kullanılmış olup model gerçek arazi verileri ile oluşturulmuştur. Pilot bölge olarak 17 Ağustos 1999 Marmara depreminde ağır hasarlar alan bölgelerden biri olan Yenigün Mahallesi seçilmiştir ve yapılan tüm analizlerde dinamik yükler altındaki kumlu zeminler dikkate alınmıştır.Anahtar Kelimeler: Sıvılaşma Potansiyeli, Zemin Sıvılaşması, Deprem, Yapay Sinir Ağları

The most destructive ground response which appears during the earthquakes is the liquefaction. Due to its negative effect for human life and buildings, studies on the liquefaction are increasing day by day.Different analysis methods have been developed by means of field studies and in laboratory environments, in order to determine liquefaction potential on grounds which are having sand and silty sand during the earthquakes.In this research, liquefaction analyses have been realized by using simplified procedure and Artificial Neural Network methods on grounds of Adapazarı to determine liquefaction potential. Aim of this study is testifying of success for Artificial Neural Network to determine liquefaction potential.For liquefaction analysis with Artificial Neural Network method, backpropagation algorithm has been used and the model has been generated with real field data. As a pilot region, Yenigün district, which was one of the places that had been severely damaged by the August 17, 1999 Marmara earthquake, has been chosen and sandy grounds under dynamic forces have been considered for the all analysis.Key Words: Liquefaction potential, Soil Liquefaction, Earthquake, Artifical Neural Network