Estimating swelling characteristics of clays using methylene blue test: A machine learning approach
Killerin şişme karakteritiğinin metilen mavisi testi ile tespit edilmesi: Bir yapay zeka yaklaşımı
- Tez No: 383353
- Danışmanlar: YRD. DOÇ. DR. ONUR PEKCAN, PROF. DR. ERDAL ÇOKÇA
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 184
Özet
Killi zeminler, suyla temasları halinde hacmen artarak, şişme eğilimi göstermektedir. Killerin şişmesi, altyapı elemanları üzerinde istenmeyen zararlara sebep olmakta ve dünya çapında hesaba katılması gereken önemli bir problem oluşturmaktadır. Bu hasarı önlemek için, şişme potansiyelli zeminleri önceden tanımlamak gerekmektedir. Bu çalışma, killi zeminlerin şişme yüzdelerinin, metilen mavisi testi ile belirlenmesi üstüne odaklanmaktadır. Bu amaçla, Türkiye'nin farklı bölgelerinden toplanan 32 adet numunede gerçekleştirilen deneyler ile numunelerin Atterberg limitleri, kil muhteviyatları ve metilen mavisi değerleri belirlenmiş olup, 32 numuneden 20'si üstünde ayrıca maksimum kuru yoğunluk, optimum su muhtevası, şişme yüzdesi ve şişme basınç testleri yapılmıştır. Daha sonra, deneylerden elde edilen datalar ile literatürden derlenen benzer özellikteki datalar birleştirilerek oluşturulan veri tabanı kullanılarak şişme yüzdesi ve metilen mavisi değerlerini tahmin eden modeller oluşturulmuştur. Öncelikle, veri tabanındaki ilişkileri anlamak amacıyla çok değişkenli doğrusal regresyon analizi tekniği kullanılmıştır. Ancak, sonuçlar veri tabanındaki değişkenler arasında doğrusal bir ilişki olmadığını göstermiş olup, bunun üzerine, yapay zeka yaklaşımı değerlendirilmiş ve bu kapsamda“genetik programlama”ve“yapay sinir ağları”metodları uygulanarak veriler arasındaki ilişki incelenmiştir. Bu analizlerden çıkan sonuçlar, veriler arasındaki modellerin en iyi“yapay sinir ağları”ile modellenebileceğini göstermiştir. Yapay sininr ağları kullanılarak metilen mavisi değeri tahmin etmek içi oluşturlan modellerde, mutlak ortalama hata yüzdesi değerleri, dataset I, II, III ve IV için sırasıyla 4.2%, 5.0%, 11.5%, ve 30.6% olarak elde edilmiştir. Bu değer şişme yüzdesi analizleri için ise dataset I ve II için, 1.8% ve 20.7% olarak belirlenmiştir.
Özet (Çeviri)
Clayey soils tend to increase volume when they interact with water, by a phenomenon known as swelling. It is a major problem worldwide causing excessive economical damage for the infrastructure that needs to be taken into consideration. In order to avoid the damage, the identification of swell susceptible soils and predicting their swelling potential is a must. Our study mainly focuses on the prediction of swell potential of clayey soils using methylene blue (MB) test. A set of laboratory tests containing the physical properties of clays, MB tests and oedometer tests are performed. For this purpose, 32 samples obtained from different regions of Turkey are tested to obtain Atterberg limits, clay contents and methylene blue values (MBVs). In addition, maximum dry density, optimum water content, swell percent and swell pressure tests are conducted on 20 of these 32 samples. Then the laboratory data with similar characteristics available in the literature are compiled and combined with our data set to generate a comprehensive data base. Using this database, the swelling potential is examined such that the swell percent and MBV are predicted through physical characteristics. First multivariate linear regression technique is used to understand the relationships in the database. However, the results show that the variables in the database are not linearly correlated. Then a machine learning approach is utilized such that Genetic Expression Programming (GEP) and Artificial Neural Networks (ANN) are applied to understand the relations. The results prove that the nonlinear relationship can best be modeled using ANNs. The values of MAPE for the best models of Dataset I, II, III, and IV for MBV prediction are 4.2%, 5.0%, 11.5%, and 30.6%, respectively. The ones for the determination of swell percent for Dataset I, and II are 1.8% and 20.7%, respectively.
Benzer Tezler
- Kil zeminlerin karakteristiklerinin ASTM yöntemleri ile belirlenmesi
Evaluating the swell characteristics of clay soils according to astm test methods
ZEYNEP KAYA
Yüksek Lisans
Türkçe
1997
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ERGÜN TOĞROL
- Dolgu barajların tasarımında temel ilkeler ve İ.T.Ü. Göleti
Small earth fill dams and I.T.Ü. Dam
SERHAT BATMAZ
- Konteyner gemilerin yatırım analizi
Başlık çevirisi yok
NEDİM SUKAS
Yüksek Lisans
Türkçe
1998
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. A. YÜCEL ODABAŞI
- Polivinil prolidon katkılı polisülfon membranlarda üre ve kreatinin difüzyonu
Başlık çevirisi yok
TUBANUR KARAKAŞ
Yüksek Lisans
Türkçe
1998
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİRGÜL TANTEKİN (ERSOLMAZ)
- Zeminlerin şişme özelliklerine etkiyen temel parametrelerin belirlenmesi ve modellenmesi
Determining and modelling of principal parameters affecting swelling properties of soils
SONER UZUNDURUKAN
Doktora
Türkçe
2006
İnşaat MühendisliğiSüleyman Demirel Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF.DR. NİLAY KESKİN