Depremler özellikle alüvyal ortamlarda zemin büyütmesi, çevrimsel yumuşama ve sıvılaşma gibi olumsuz zemin davranışlarını ortaya çıkarabilmekte ve bu etkilere maruz kalan zeminler üzerlerinde bulunan yapılarda büyük deformasyonlara veya göçmelere neden olabilmektedir. Adapazarı gibi su seviyesinin yüzeye yakın olduğu alüvyal ortamlarda sıvılaşma problemi yaygın olarak görülebilmektedir. Suya doygun kumlar, siltli kumlar ve siltler sıvılaşmaya en yatkın zemin türleridir. Sıvılaşabilir ve sıvılaşmaz zeminlerin belirlenebilmesi için pek çok farklı yöntem mevcuttur. İri daneli zeminlerin sıvılaşma potansiyelinin belirlenmesi için kullanılan yöntemler yeterince mevcut olup tutarlı sonuçlar vermektedir. Yapılan araştırmalardan anlaşıldığı üzere ince daneli zeminlerin sıvılaşma potansiyelinin belirlenmesi için önerilen yöntemlerden genel bir yaklaşım elde etmek pek mümkün olmamaktadır. Zeminlerin fiziksel özelliklerine dayalı olarak geliştirilen sıvılaşma kriterleri birbirinden farklı zemin özellikleri ve bu özelliklerin farklı sınır değerlerini sunmaktadır. Bu sebeple mevcut kriterlerden yola çıkarak bu çalışmada kullanılan veri tabanındaki zeminler ile makine öğrenmesi yöntemlerine dayalı yeni öneriler sunulmuştur. Çalışma kapsamında, iyi bilinen yedi makine öğrenimi yaklaşımı kullanılarak zemin sıvılaşma potansiyeli için bir model sunulmuştur. Kullanılan algoritmalar tüm veri setinin eğitim kalitesine göre sıralandığında karar ağaçlarının (DT) %90 doğruluk başarı oranı ile en yüksek sonuçları elde ettiği görülmüştür. Belirtilen DT modeli, rastgele seçilen eğitim setinde %91 ve test setinde %84 doğrulukla sonuçlanmıştır. Bu çalışmadaki DT modeli sıvılaşma tahmini için iyi bir alternatif sunmakta ve önceki çalışmalara göre daha doğru sonuçlar vermektedir. Ayrıca ele alınan veri setindeki özelliklerin önemi karar ağaçları ile belirlenmiştir. Buna göre özellik sıralaması D50, derinlik, kil içeriği FC, kil yüzdesi, wn, wL olarak keşfedilmiştir. Günümüzde zemin incelemelerinde önemli bir yer tutan ve nitelikli veriler elde edilmesini sağlayan koni penetrasyon deneyi (CPT) sonuçlarıyla da sıvılaşma analizi yapılmaktadır. CPT ile zeminlerin sınıflandırılmasında zemin davranış indeksi (Ic) ön plana çıkmaktadır. CPT sonuçları ve farklı araştırmacılar tarafından sunulan Ic formülleri, veri tabanında bulunan ince daneli zeminlerin fiziksel özellikleriyle pek çok yönden karşılaştırılmış ve sıvılaşabilir ve sıvılaşmaz zeminlerin ayırt edilmesi için belirleyici olabilecek bulgular elde edilmiştir. Mevcut Ic formüllerinin sıvılaşabilir ve sıvılaşmaz zeminleri belirlemede nasıl bir performans sergilediği incelenmiş ve iyileştirmeye yönelik olarak Ic formüllerinin optimizasyonu yapılmıştır. Kil ve silt zeminlerin sınırlarının Ic ile belirlenmesine yönelik 1999 Adapazarı depremimden itibaren yapılan saha çalışmalarından elde edilen geniş bir veri tabanı kullanılmıştır. CPT deneyleriyle eş zamanlı olarak yapılan sondajlardan elde örselenmiş ve örselenmemiş numunelerle yapılan fiziksel özellik deney sonuçları da bulunmaktadır. Böylece CPT verisiyle birlikte geleneksel sınıflandırma yöntemlerinde kullanılan zeminlerin fiziksel özellikleri verileri bir araya getirilmiş, bu verileri karşılaştırma ve analiz etme imkanı doğmuştur. Veri tabanında bulunan 776 veri kullanılmıştır. Söz konusu her bir verinin likit limit, plastik limit, kil yüzdesi, su muhtevası, ince dane oranı ve ortalama dane çapı gibi bilgileri bulunmaktadır. İnce daneli zeminlerin sınıflarını belirlemek için çeşitli araştırmacılar tarafından önerilen zemin davranış indeksi Ic değerleri kullanılmaktadır fakat kil ve silt zeminler için belirli bir Ic değeriyle tam bir ayrım yapılamamaktadır. Seçilen her bir Ic değerine karşılık gelen kil ve silt bulunabilmektedir. Kil ve siltlerin en iyi ayrımını yapan öyle bir Ic belirlensin ki bu değerin altında maksimum seviyede minimum seviyede killer bulunması hedeflenmiştir. Farklı araştırmacılar tarafından önerilen Ic formülleriyle kil ve siltlerin dağılımları incelendiğinde kil ve siltleri ayırmada en yüksek doğrulukla ayırabilecek sınır değeri, kil ve siltlerin her bir Ic formülüne göre aldıkları minimum ve maksimum değerleri bulunmuştur. Kil ve siltleri ayırmada belirlenen sınır değerinin altında kalan oranların farkına göre sonuçlar incelendiğinde Ic =2.55 sınır değeriyle %74.5 fark oranı ile en iyi ayrımı yaptığı söylenebilir. Zemin davranış endeksi Ic değerleriyle sıvılaşabilir ve sıvılaşmaz zeminlerin belirlenmesi için veri tabanındaki zeminlerin farklı araştırmacılar tarafından önerilen Ic değerleri ayrı ayrı analiz edilmiştir. Bu noktada öncelikle zeminlerin sıvılaşma potansiyelinin belirlenmesi gerekmektedir. Zeminlerin sıvılaşma potansiyeli belirlenirken daha önce yapılan çalışmalardaki saha gözlemlerine bakılmıştır. Saha gözlemleri bulunmayan sahalar için literatürde fiziksel özelliklere dayalı olarak belirlenen sıvılaşma kriterleri göz önünde bulundurulmuştur. Sıvılaşma potansiyeli düşük ve yüksek olan zeminlerin zemin davranış tipi indeksi Ic, farklı araştırmacılar tarafından önerilen formüllere göre hesaplanmış bu formüllerden hangilerinin sıvılaşabilir ve sıvılaşmaz zeminleri daha net bir şekilde ayırt edebildiği irdelenmiştir. Buna ilaveten her bir formüldeki elemanların içerisinde çeşitli katsayılar kullanılmaktadır. Bu katsayıların belirli sınırlar içerisinde değişiminin sıvılaşır ve sıvılaşmaz bölgeyi daha iyi bir şekilde belirlemesinin mümkün olup olmadığı irdelenmiştir. Yapılan optimizasyon sonucunda orijinal formüllere göre %21,6 mertebelerine varan iyileştirmeler olduğu görülmektedir. Herhangi bir Ic formülünün sıvılaşma potansiyeli düşük ve yüksek olan zeminleri net bir şekilde ayırt edemediği bazı zeminlerin her halükarda ortak alanda kaldığı görülmektedir. Fiziksel özellikleri bilinen ince daneli 776 numunenin farklı araştırıcılara göre sıvılaşma değerlendirilmesi yapılmıştır. Yapılan bu değerlendirmelere göre her bir yönteme göre sıvılaşan, sıvılaşmayan ve test bölgesine düşen veriler tespit edilmiştir. Daha sonra sıvılaşan ve sıvılaşmayan numuneler ait ortalama koni penetrasyon uç direnci, sürtünme direnci ve boşluk suyu basınçları tespit edilmiş ve bu ham verilerden zemin sınıflamasına yönelik olarak normalize edilmiş uç dirençleri ile sürtünme oranları tespit edilmiştir. Sıvılaşan, sıvılaşmayan ve test bölgesine düşen Ic değerlerinin normal dağılımları incelenmiştir. Sıvılaşmaz, sıvılaşabilir ve test bölgesine düşen zeminlerin zemin davranış indeksleri ile normalize edilmiş uç direnci ve sürtünme oranları göz önüne alınmıştır. CPT verileri göz önüne alındığında bir zeminin sıvılaşmaz kabul edilebilmesi için zemin davranış indeksinin (Ic) 2.98'den büyük olması gerekmektedir. Ayrıca normalize edilmiş uç direncinin 10'dan küçük ve normalize edilmiş sürtünme oranının ise 3.08'den büyük olması gerekmektedir.
Earthquakes can induce adverse soil behaviors, such as soil liquefaction, cyclic softening, and ground amplification, which can result in significant deformations or settlements in structures located on the affected soils, especially in alluvial environments. Liquefaction issues are commonly observed in alluvial environments with shallow water levels, such as Adapazarı. Saturated sands, silty sands, and silts are the most susceptible soil types to liquefaction. There are several different methods available for determining liquefiable and non-liquefiable soils. Methods used to assess the liquefaction potential of coarse-grained soils are well-established and provide consistent results. However, obtaining a general approach for determining the liquefaction potential of fine-grained soils is challenging. Liquefaction criteria based on the physical properties of soils present different soil characteristics and their respective threshold values. Therefore, this study proposes new recommendations based on machine learning methods using the existing criteria and the soil data available in the database. Within the scope of the study, a model for the liquefaction potential of soils is presented using seven well-known machine learning approaches. The Adapazarı dataset is evaluated based on expert opinions and subjected to preprocessing before training. The results obtained by algorithms with different parameters during the training process are recorded, allowing algorithms with the best parameters to yield better results. When the algorithms are ranked based on the quality of the training set, decision trees (DT) exhibit the highest accuracy rate of 90%. Random Forest (RF) classifier provides the second-best results. The mentioned DT model yields a 91% accuracy on the randomly selected training set and an 84% accuracy on the test set. Rules previously established based on expert opinions to determine liquefaction are improved using machine learning methods. The DT model in this study offers a good alternative for liquefaction prediction and provides more accurate results compared to previous studies. Additionally, the importance of features in the considered dataset is determined using decision trees. According to the feature ranking, the order of significance is discovered to be D50, depth, fines content (FC), clay percentage, wn, wL. In today's soil investigations, liquefaction analysis is also performed using Cone Penetration Test (CPT) results, which play an important role in obtaining reliable data. The primary use of the CPT test is to determine the soil stratigraphy and pre-evaluate geotechnical properties. The test is applied in soft to medium-stiff soils where the probe can be pushed down without the use of impact or rotation, up to the gravel fraction. In the classification of soils using CPT, the soil behavior index (Ic) stands out. CPT results and various Ic formulas proposed by different researchers have been compared in many aspects with the physical properties of fine-grained soils available in the database, leading to findings that could be decisive in distinguishing liquefiable and non-liquefiable soils. The performance of existing Ic formulas in identifying liquefiable and non-liquefiable soils has been examined, and optimization of the Ic formulas has been carried out for improvement. A comprehensive database obtained from field studies conducted since the 1999 Adapazarı earthquake, focusing on the determination of the boundaries of clay and silt soils using Ic, has been utilized. The CPT data was obtained from experiments conducted with a 200 kN capacity acoustic CPTU machine owned by Sakarya University. Physical property test results from disturbed and undisturbed samples obtained from concurrent drilling with CPT experiments are also available. Thus, the physical property data of soils used in traditional classification methods were combined with CPT data, providing an opportunity to compare and analyze these data. A total of 776 data points in the database were used. Each data point includes information such as liquid limit, plastic limit, clay content, water content, fines content, and average grain diameter. It can be stated that the liquid limit values of soils range from 30 to 50, and with increasing liquid limit values, there is a decrease in shear strength and an increase in friction ratios. Similarly, the fines content of soils varies between 60% and 80%, and as the fines content increases, the shear strength decreases and the friction ratio increases. Different researchers have proposed soil behavior index (Ic) values to determine the classes of fine-grained soils, but a precise differentiation for clay and silt soils cannot be achieved with a specific Ic value. Each chosen Ic value can correspond to both clay and silt soils. The aim is to determine a specific Ic value that provides the best distinction between clay and silt, with the highest percentage of clay soils below this value and the lowest percentage above it. When examining the distributions of clay and silt using different Ic formulas proposed by various researchers, the Ic threshold value that can most accurately separate clay and silt soils was determined by considering the minimum and maximum values obtained by clay and silt for each Ic formula. When examining the results based on the percentage of data points falling below the determined threshold value for the separation of clay and silt, it can be said that with an Ic value of 2.55 achieves the best distinction with a 74.5% difference ratio. Soil behavior index (Ic) values have been analyzed separately for liquefiable and non-liquefiable soils in the database, considering the Ic values proposed by different researchers. At this point, it is necessary to determine the liquefaction potential of the soils. For the determination of liquefaction potential, field observations from previous studies were examined. For areas where field observations were not available, liquefaction criteria based on physical properties, as determined in the literature, were taken into consideration. In the study, soils that satisfy at least 3 or more out of 11 liquefaction criteria were categorized as potentially liquefiable soils, while soils that did not satisfy these criteria were categorized as potentially non-liquefiable soils. Accordingly, 545 soils were identified as having low liquefaction potential, and 233 soils were identified as having high liquefaction potential. The soil behavior index Ic for soils with low and high liquefaction potential was calculated using formulas proposed by different researchers, and an analysis was conducted to determine which formulas could distinguish liquefiable and non-liquefiable soils more effectively. Additionally, various coefficients are used in each formula. The possibility of these coefficients, within certain limits of variation, better determining the liquefiable and non-liquefiable regions was examined. The evaluation results indicate tha one of the Ic formula is the most effective in distinguishing liquefiable and non-liquefiable soils, both with its original coefficients and optimized coefficients. The optimization process resulted in improvements of up to 21.6% compared to the original formulas. It is observed that no single Ic formula can clearly distinguish soils with low and high liquefaction potential, and there are some soils that fall into the common area regardless of the formula used. The evaluation of the liquefaction of a fine-grained sample with known physical properties, numbered 776, has been conducted by different researchers. Based on these evaluations, data regarding the liquefied, non-liquefied, and test zone samples have been determined for each method. Subsequently, the average cone penetration resistance, friction resistance, and pore water pressures have been determined for the liquefied and non-liquefied samples, and these raw data have been normalized to determine the normalized cone resistance and friction ratios for soil classification purposes. The normal distributions of the Ic values for the liquefied, non-liquefied, and test zone samples have been examined. Soil behavior indexes, normalized cone resistance, and friction ratios have been taken into account for soils that do not liquefy, can liquefy, and fall into the test zone. The distinction of non-liquefying soils based on CPT data can be made definitively according to all criteria. As observed from both the normal distribution and the classification chart distributions of non-liquefied and test zone soils largely overlap. This is due to the fact that the soils falling into the test zone exhibit a wide range of both liquid limit and plasticity index. Accordingly, considering the CPT data, for a soil to be considered non-liquefiable, the soil behavior index (Ic) should be greater than 2.98. In addition, the normalized cone resistance should be less than 10 and the normalized friction ratio should be greater than 3.08.
Except where otherwise noted, this item's license is described as http://creativecommons.org/licenses/by/4.0/
