Düşen ağırlık deflektometre ölçümleri ve pre-post deneysel zemin özelliklerine dayalı esneklik modülü tahmin modellerinin geliştirilmesi
Developing resilient modulus prediction models based on falling weight deflectometer measurements and pre-post experimental analysis of soil properties
- Tez No: 1009580
- Danışmanlar: PROF. DR. YÜKSEL YILMAZ
- Tez Türü: Doktora
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Zemin Mekaniği ve Geoteknik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Üstyapı dizayn ve performans değerlendirmesinde en temel etkiye sahip girdi parametresinin, taban zeminine ait esneklik modülü olduğu bilinmektedir. Dolayısıyla bu denli kritik bir değerin doğru şekilde belirlenmesi önem arz etmektedir. Çalışma kapsamında taban zemini esneklik modülünün (MR) tespiti için hem laboratuvar deneyleri hem de arazi ölçümlerinin kullanıldığı çok yönlü bir metodolojiyle tahmin modelleri geliştirilmiştir. Proje alanı olarak seçilen Kulu-Konya Devlet Yolunun belirli kesimlerinden tedarik edilen örselenmiş ve örselenmemiş numuneler üzerinde yürütülen laboratuvar deneylerinin yanı sıra yine yol güzergahında gerçekleştirilen düşen ağırlık deflektometre (FWD) ölçümleri yardımıyla üç farklı veri kümesi oluşturulmuştur. Her bir veri grubunda giriş değişkenleri ile çıktı parametresi olan MR arasındaki ilişkiyi belirlemeye yönelik hem istatistiksel analizler hem de makine öğrenmesi (ML) tabanlı modeller uygulanarak en etkili yaklaşımlar belirlenmiştir. Tüm veri gruplarına ilişkin karşılaştırmalı değerlendirmeler, özellikle ağaç tabanlı ve gradyan arttırmalı non-lineer ML algoritmalarının, MR tahmininde hem doğruluk hem de genellenebilirlik açısından belirgin şekilde üstün performans sergilediğini göstermiştir. Polinom tabanlı ampirik denklemler ise veri setinin doğrusal olmayan yapısına rağmen görece başarılı bir tahmin yaklaşımı ortaya koymuş ve mühendislik uygulamalarında etkin şekilde kullanılabilmesi amacıyla grafiksel kullanıcı arayüzleri (GUI) yardımıyla pratik karar verme süreçlerine entegre edilmiştir.
Özet (Çeviri)
In pavement design and performance evaluation, the most fundamental input parameter is known to be the resilient modulus of the subgrade soil. Therefore, the accurate determination of such a critical value is of great importance. In this study, prediction models for estimating the subgrade resilient modulus (MR) were developed through a comprehensive methodology that integrates both laboratory tests and field measurements. Three distinct datasets were generated using laboratory experiments conducted on disturbed and undisturbed samples collected from selected sections of the Kulu–Konya Highway, together with falling weight deflectometer (FWD) measurements obtained along the same highway corridor. For each dataset, statistical analyses and machine learning (ML)-based models were employed to characterize the relationship between the input variables and the output parameter, MR, and to identify the most effective predictive approaches. Comparative assessments across all data groups revealed that tree-based and gradient-boosted nonlinear ML algorithms exhibit markedly superior performance in terms of both prediction accuracy and generalizability. Although polynomial-based empirical equations are inherently limited by the nonlinear nature of the dataset, they still demonstrated a reasonably strong predictive capability and were subsequently integrated into practical engineering workflows through graphical user interfaces (GUI) designed to support decision-making processes.
Benzer Tezler
- Sathi kaplamalardaki kalıcı deformasyona etki eden parametrelerin incelenmesi
Investigating the parameters that affect permanent deformation (rutting) in chip-sealed pavements
VOLKAN EMRE UZ
Doktora
Türkçe
2012
UlaşımSüleyman Demirel Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET SALTAN
- Altyapı özelliklerinin demiryolu üstyapısının performansına etkisi
Effect of properties of infrastructures on the performance of the railway superstructure
MEHMET ÇAĞRI BAYRAK
Doktora
Türkçe
2018
İnşaat MühendisliğiSüleyman Demirel Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MESUT TIĞDEMİR
PROF. DR. MUSTAFA KARAŞAHİN
- Düşen ağırlıklı deflektometre ölçümlerinde asfalt sıcaklığı etkisi ve sıcaklık düzeltme metodunun belirlenmesi
Determination the effect of asphalt temperature in falling weight deflectometer measurements and development of temperature correction method
FIRAT ERKMEN
Doktora
Türkçe
2023
UlaşımSüleyman Demirel Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞENGÜL FİGEN KALYONCUOĞLU
- ANFIS yönteminin esnek yol üstyapılarının yapısal analizinde kullanılabilirliği
Usability of adaptive neuro-fuzzy inference system (ANFIS) for structural analysis of highway flexible pavements
FAKHIR ABDULSADA YASEEN
Yüksek Lisans
Türkçe
2016
UlaşımSüleyman Demirel Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET SALTAN
- Backcalculation of pavement layer properties using artificial neural network based gravitational search algorithm
Yapay sinir ağları tabanlı yerçekimsel arama algoritması kullanılarak esnek üst yapı katman özelliklerinin geri-hesaplanması
ARDA ÖCAL
Yüksek Lisans
İngilizce
2014
İnşaat MühendisliğiOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ONUR PEKCAN