Sıvılaşma nedeniyle oluşan yanal yayılmanın bir yapay sinir ağı (YSA) modeli ile değerlendirilmesi

Abstract

Deprem sırasında sıvılaşma nedeniyle oluşan yanal yayılma en çok hasar veren zemin göçmelerinden biridir. Daha önce yaşanmış depremlerde yapılan gözlemler birkaç metreye ulaşan yanal yayılmaların çevre arazilerde ciddi hasarlara neden olduğu gözlenmiştir. Sıvılaşma, deprem ve zemin parametrelerini içeren karmaşık bir zemin göçmesi olduğu için sıvılaşma nedeniyle oluşan zemin deformasyonu doğrusal olmayan metotlarla incelenmelidir. Sunulan bu çalışmada deprem sırasında oluşan zemin hareketlerinden sıvılaşmanın neden olduğu yanal yayılma için bir ?Yapay sinir ağı ( neural Networks,NN)? modeli geliştirilmiştir.Çalışmada kullanılan YSA modeli 9 girdi parametreleri olarak lokal manyitüd ( ? L) ve gözlem noktalarının mevcut faya veya dışmerkeze (episantır) uzaklığını (R) , deprem ivmesinin yer çekimi ivmesine oranı(a/g) çevre gerilmesi ( ? 0) , efektif çevre gerilmesi ( ? 0') , standart penetrasyon drenci (SPT) , toplam çevre gerilmesine göre normalize edilmiş ortalama kayma mukavemeti ( ? ort/ ? 0,), ince malzeme oranı (F), ortalama dane çapı (D50) ve 1 çıktı (yanal yayılma miktarı) parametresinden oluşmaktadır. Yanal yayılma ve zemin ve deprem parametreleri arasında geri yayınım algoritması ile eğitilmiş ve test edilen ileri beslemeli ve çok katmanlı bir YSA modeli ile ilişki kurulmuştur. YSA modelinde geçmiş depremlerden alınan 25 data seti hazırlanmıştır. Bu data setinin %80'i modelin eğitimi için ayrılmış, %20'si ise modelin sınanması için kullanılmıştır. Bu çalışmada kullanılan yaklaşımın, depremler sırasında meydana gelen sıvılaşmalara bağlı yanal yayılmaları oldukça yüksek doğruluk derecesinde tahmin edebildiği gösterilmiştir. Sonuçlar regresyon analizi (MLR) yöntemlerinden Youd ve Perkins(1987) ile karşılaştırılmıştır.Liquefaction-induced lateral spreading during an earthquake ground motion (EQGM) is considered to be one of the major soil failure types. The observations from the previous earthquakes show that the magnitude of lateral spreading can reach earthquake parameters, liquefaction-induced soil deformations should be investigated by nonlinear methods. In this study, a NN model has been developed to investigate the liquefaction-induced lateral spreading during an earthquake ground motion. The NN model used in this study was constructed using 8 input parameters (magnitude of EQGM, ? 0 (kPa), ? 0' (kPa), N (SPT), a/g, ? ort/ ? 0, F (%),D50) and 1 output parameter (lateral spreading). A relationship is established between the lateral spreading and the soil and earthquake ground motion parameters by developing and testing a multi-layered feed-forward NN model trained with the back-propagation algorithm. A total of 175 cases were used for constructing the NN model. Results indicates that N(SPT) is the most effective parameter; whereas a/g is the least effective parameter on liquefaction-induced lateral spreading. The approach adapted in this study was shown to be capable of providing the best accurate estimates of liquefaction-induced lateral spreading during an earthquake ground motion.