Yapay sinir ağları ile tekil temel ve tek yönde sürekli temel oturmalarının koni penetrasyon deney sonuçları kullanılarak hesaplanması
The use of neural networks for the prediction of the settlement of pad and one way strip footings on cone penetration test results
- Tez No: 306987
- Danışmanlar: YRD. DOÇ. DR. YUSUF ERZİN
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2011
- Dil: Türkçe
- Üniversite: Celal Bayar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Geoteknik Bilim Dalı
- Sayfa Sayısı: 101
Özet
Kohezyonsuz zeminlerde oturma, yük uygulanır uygulanmaz çok kısa bir süre içerisinde meydana gelmekte ve böyle zeminler suya doygun olsa bile, boşluklarındaki suyun bir kısmının dışarı çıkması, yüksek geçirimlilikten dolayı kısa sürede meydana gelmektedir. Taneli olan bu zeminlerden örselenmemiş örnek almak çok güç olduğundan oturma tahminleri arazi deneyleri yardımıyla hesaplanmaktadır.Bu çalışmada YSA, tekil temel ve tek yönde sürekli temel sistemlerinin oturmalarını tahmin etmek için kullanılmıştır. Bu amaçla MATLAB ortamında, tekil temel ve tek yönde sürekli temel sistemleri oturmalarını iki farklı analiz yöntemine göre hesaplayan bilgisayar programı geliştirilmiştir. Bu programda temel boyutları ( L ve B), temel derinliği (Df ), kohezyonsuz zeminin doğal birim hacim ağırlığı (?n), temel üzerine gelen yük (Qk) ve koni penetrasyon okumaları ortalaması (Qcort) verileri, Schmertmann (1978) ve Terzahgi (1996) yöntemleri kullanılarak tekil temel ve tek yönde sürekli temel sistemleri oturmaları hesaplanmıştır. İki yöntem için oturmaları tahmin eden YSA modelleri geliştirilmiştir. Geliştirilen YSA modellerinden tahmin edilen oturma değerlerinin performansını incelemek için bilgisayar programı ile hesaplanan değerler karşılaştırılmıştır.YSA'nın tahmin ettiği değerlerin hesaplanan değerlere oldukça yakın olduğu gözlemlenmiştir. YSA modellerinin performanslarını belirlemek için; determinasyon katsayısı (R2), ortalama mutlak hata (MAE), ortalama hata kareleri kökü (RMSE) ve varyans (VAF) gibi çeşitli performans indisleri hesaplanmıştır. Performans analizine göre, geliştirilen YSA modellerinin gerçeğe yakın tahmin sonuçları verdiğini ve kohezyonsuz zeminlerde tekil temel ve tek yönde sürekli temel tasarımında kullanılabileceğini göstermiştir. Oturma tahminini etkileyen parametrelerin önemini incelemek için duyarlılık analizleri yapılmıştır.
Özet (Çeviri)
Settlement of cohesionless soils, the load is applied in a very short period of time occurs. Even if such a saturated soils, a portion of the water leaking out of gaps, due to the high permeability occur as soon as possible. Grained soils are very difficult to get the sample of undisturbed soils, predictions are calculated with the in situ tests.In this study, artificial neural networks (ANNs) were used to predict the settlement of a single or pad footing and one-way strip footings. For this purpose, a computer programme was developed in the Matlab programming environment to calculate the settlement of foundations from two traditional settlement prediction methods, such as Schmertmann (1978) and Terzaghi (1996). In this programme, the footing geometry (L and B), the footing embedment depth, Df, the bulk unit weight, ?n, of the cohesionless soil, the footing applied pressure, Qk, and cone penetration test avarage result, Qcort, varied during the settlement analysis and the settlement value of each pad footing and one-way strip footing was calculated for each method. Then, an ANN model was developed for each traditional method to predict the settlement. The settlement values predicted from the ANN model were compared with the settlement values calculated from the traditional method for performance of the ANN models.The predicted values were found to be quite close to the calculated values. In addition, several performance indices such as determination coefficient (R2), variance account for (VAF), mean absolute error (MAE), and root mean square error (RMSE) were calculated to check the prediction capacity of the ANN models. According to performance analysis, ANN models developed have realistic estimation results and the ANN models can be used at the preliminary stage of designing pad and one-way strip footings on cohesionless soils. Sensitivity analyses were also carried out to examine the relative importance of the factors affecting settlement prediction.
Benzer Tezler
- Yapay sinir ağları ile tekil temel ve tek yönde sürekli temel oturmalarının standart penetrasyon deney sonuçları kullanılarak hesaplanması
The use of neural networks for the prediction of the settlement of pad and one way strip footings on standard penetration test results
TOLGA OKTAY GÜL
Yüksek Lisans
Türkçe
2011
İnşaat MühendisliğiCelal Bayar Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YUSUF ERZİN
- Contribution a la recherche d'un cadre juridique pour un droit international de laconcurrence plus efficace
Daha etkin bir uluslararası rekabet için hukuki çerçeve arayışı
ALİ CENK KESKİN
Doktora
Fransızca
2009
HukukGalatasaray ÜniversitesiKamu Hukuku Ana Bilim Dalı
PROF. DR. JEAN MARC SOREL
PROF. DR. HALİL ERCÜMENT ERDEM
- Gelişmekte olan ülkelerin dış borç sorunu ve Türkiye'nin dış borçları
Başlık çevirisi yok
MUSTAFA KARAGÖZ
- Bilgisayara destekli yüz tanıma sistemi tasarımı
Computer aided face recognition system
ELİF SERVER KONAK
Yüksek Lisans
Türkçe
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
- Yapar sinir ağını kullanarak kişiye özel komut tanıma
Specially personalized order recognization by using artifical neural networks
GEDİZ TATAR
Yüksek Lisans
Türkçe
2008
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. S. SİNAN GÜLTEKİN