Akademik Veri Yönetim Sistemi
YERBILIMLERI = EARTH SCIENCES, cilt.36, sa.2, ss.45-60, 2015 (Scopus)
Depremler 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 (Vs
) gibi yerinde uygulanan
deney verilerinin de girdi olarak kullanıldığı yöntemlerle zeminlerin sıvılaşmaya karşı güvenlik katsayısı (FL
) hesaplanabilmektedir. SPT, CPT ve Vs
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 yaklaşımların 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 Vs
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, sıvılaşma 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 (qc1N)
ve çevrimsel gerilim oranı (CSR7.5) girdi parametreleri olarak kullanılırken, sıvılaşmanın varlık (1) ve yokluk (0) bilgisi
ise çıktı olarak kullanılmıştır. qc1N ve CSR7.5 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 qc1N ve
CSR7.5 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 geliştirilmiştir.