Geri Dön

Liquefaction potential: A neural network approach

Sıvılaşma potansiyeli: Yapay sinir ağ yaklaşımı

  1. Tez No: 75695
  2. Yazar: HASAN SAKA
  3. Danışmanlar: YRD. DOÇ. DR. DERİN URAL
  4. Tez Türü: Yüksek Lisans
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Sıvılaşma, Yapay Sinir Ağlan, Geri-Yayılmalı Ağ Modeli, Durum Çalışması. vı, Liquefaction, Artificial Neural Network, Back-Propagation Network Model, Case Study IV
  7. Yıl: 1998
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 186

Özet

öz SIVTLAŞMA POTANSİYELİ: YAPAY SİNİR AĞ YAKLAŞIMI SAKA, Hasan Yüksek Lisans Tezi, İnşaat Mühendisliği Bölümü Tez Yöneticisi: Yrd.Dç.Dr. Derin Ural Nisan 1998, 170 sayfa Zeminin deprem sırasındaki sıvılaşma potansiyeli sismik ve zemin parametrelerine bağlıdır. Çeşitli zemin parametrelerin ve sismik verilerin zemindeki sıvılaşma potansiyeline olan etkisi sayısal olarak yapay sinir ağları metodu ile araştırılmıştır. Araştırmada geri yayılmak sinir ağ modeli kullanılmıştır. Geri yayılmak öğrenme metodu yeni gelişen bir yöntem olarak deneysel ve arazi deney sonuçlarım değerlendirmek için kullanılabilir. Ağ gerçek arazi verileri kullanılarak eğitilmiştir. Sinir ağ modellerinin başarılan ağ' a girdi olarak verilen zemin ve sismik parametreler değiştirilerek incelenmiştir. Girdi olarak kullanılan parametreler: deprem büyüklüğü, yanal yer değiştirmesi engellenmiş ilk basınç, sismik katsayısı, bağıl yoğunluk, kayma modülü, sürtünme açısı, kayma dalgası hızı, ve zeminin elektrik özellikleri. En etkin ve verimli model ile sıvılaşma potansiyelini etkileyen en önemli parametreler belirlenmiştir. Sinir ağ yöntemi ile geleneksel dinamik gerilme metodlarının karşılaştırılması yapılmıştır.

Özet (Çeviri)

ABSTRACT LIQUEFACTION POTENTIAL: A NEURAL NETWORK APPROACH SAKA, Hasan M.S., Department of Civil Engineering Supervisor: AsstProf. Dr. Derin Ural April 1998, 170 pages The liquefaction potential of a soil mass during an earthquake is dependent on both the seismic and soil parameters which involve numerous variables of varying importance. The impact of these soil and seismic variables on the liquefaction potential of the soil is investigated through computational and knowledge based tools called neural networks. A back-propagation neural network model is used. The back-propagation learning algorithm is a developing computational technique that assists in the evaluation of experimental and field data. The artificial neural network is trained using actual field records. The performance of the network models is investigated by changing the soil and seismic variables including earthquake magnitude, initial confining pressure, seismic coefficient, relative density, shear modulus, friction angle, shear wave velocity and electrical characteristics of the soil. The most efficient and global model for assessing liquefaction potential and the most significant input parameters affecting liquefaction are summarized. Comparisons between the neural network model and conventional dynamic stress methods are also made. iii

Benzer Tezler

  1. Tez No

    720284

    Zemin sıvılaşması potansiyellerinin tahmini için MATLAB programına dayalı yapay sinir ağları algoritmalarının geliştirilmesi

    Development of artificial neural network algorithms based on MATLAB program for the estimation of soil liquefaction potentials

    MUHAMMET MÜCAHİT YAZICI

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    İnşaat Mühendisliğiİstanbul Gedik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HASAN BOZKURT NAZİLLİ

    DR. ÖĞR. ÜYESİ MERT TOLON

  2. Tez No

    307000

    Yapay sinir ağlarının geoteknik mühendisliğinde kullanımı

    The use of neural networks in geotechnical engineering

    YEŞİM TUSKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    İnşaat MühendisliğiCelal Bayar Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. YUSUF ERZİN

  3. Tez No

    474377

    Application of various machine learning approaches to estimate liquefaction risk

    Çeşitli özdevimli öğrenme tekniklerinin sıvılaşma riskinin tahmin edilmesinde uygulanması

    AMIN SHOARI NEJAD

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    İnşaat MühendisliğiBoğaziçi Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. FAZLI EROL GÜLER

    PROF. DR. MELTEM SEBA ÖZTURAN

  4. Tez No

    259115

    Yapay sinir ağları yöntemi ile sıvılaşma analizi ve Adapazarı için örnek bir uygulama

    Liquefaction analys with artificial neural network method: Sample application for the Adapazari

    ARZU DERE

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    Jeofizik MühendisliğiSakarya Üniversitesi

    Jeofizik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ŞEFİK RAMAZANOĞLU

  5. Tez No

    352378

    A comparative numerical analysis for liquefaction

    Karşılaştırmalı sayısal sıvılaşma analizi

    MERT TOLON

    Doktora

    İngilizce

    İngilizce

    2013

    Deprem Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. DERİN NUR URAL

Geri Dön