EVALUATION OF LIQUEFACTION POTENTIAL OFSOILS USING DATA-DRIVEN APPROACHES
VERİYE DAYALI YAKLAŞIMLARLA ZEMİNLERİNSIVILAŞMA POTANSİYELİNİNDEĞERLENDİRİLMESİ
- Tez No: 933252
- Danışmanlar: DR. ÖĞR. ÜYESİ MURAT ERGENOKON SELÇUK, DOÇ. DR. ÖZGÜR YILDIZ
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Geoteknik Bilim Dalı
- Sayfa Sayısı: 186
Özet
Deprem kaynaklı altyapı hasarlarında yıkıcı bir olgu olan zemin sıvılaşması, etkili risk azaltımı için ileri tahmin yöntemleri gerektirmektedir. Geleneksel yaklaşımlar, yer altı koşulları ve sismik dinamiklerin karmaşıklıklarını ele almakta genellikle yetersiz kalmaktadır. Bu çalışma, kuvvetli yer hareketi (SGM) parametrelerini geleneksel geoteknik verilerle entegre ederek sıvılaşma duyarlılığını tahmin etmek için makine öğrenimine dayalı bir çerçeve sunmaktadır. PEER, ESM ve BRI gibi küresel kuvvetli hareket veritabanlarından elde edilen ivme kayıtları kullanılarak üç veri seti (CPT tabanlı, SPT tabanlı ve Vs tabanlı) analiz edilmiştir. Pik Yer İvmesi (PGA), Özgül Enerji Yoğunluğu ve Etkili Döngü Sayısı gibi 42 SGM parametresi çıkarılmıştır. Hibrit bir özellik seçimi süreci, filtre yöntemleri (ANOVA F-değeri, karşılıklı bilgi) ve gömülü yöntemler (Lasso regresyonu, XGBoost önem sıralaması, SHAP değerleri) birleştirilerek deprem büyüklüğü (Mw), yeraltı su seviyesine derinlik (dw), düzeltilmiş penetrasyon direnci ((N1)60)cs, (qc1N)cs ve kayma dalgası hızı (Vs) gibi kritik belirleyiciler tespit edilmiştir. Rastgele Orman, XGBoost ve Sinir Ağları gibi makine öğrenimi modellerixviii değerlendirilmiş ve CPT veri seti, sınıf dağılımının etkilerini değerlendirmek için dengeli ve dengesiz konfigürasyonlarda test edilmiştir. Rastgele Orman, veri setleri arasında diğer modelleri tutarlı bir şekilde geride bırakarak, en yüksek doğruluk (%84'e kadar) ve AUC değerlerine (%0,85'e kadar) ulaşmıştır. SGM parametrelerinin dahil edilmesi, hem sıvılaşma hem de sıvılaşmama durumlarını tahmin etme yeteneğini önemli ölçüde artırmıştır. Bu çalışma, ileri hesaplama tekniklerini geoteknik verilerle birleştirerek afet risk değerlendirmesini iyileştirme potansiyelini vurgulamaktadır. Sonuçlar, Rastgele Orman modelinin dayanıklılığını ve SGM parametrelerinin deprem risk değerlendirmesi ve altyapı dayanıklılığının geliştirilmesindeki kritik rolünü ortaya koymaktadır.
Özet (Çeviri)
Soil liquefaction, a destructive phenomenon in earthquake-induced infrastructure failures, demands advanced prediction methods for effective risk mitigation. Traditional approaches often fail to address the complexities of subsurface conditions and seismic dynamics. This study introduces a machine learning-based framework to predict liquefaction susceptibility by integrating strong ground motion (SGM) parameters with conventional geotechnical data. Three datasets (CPT-based, SPT-based, and Vs-based) were analyzed using accelerograms from global strong-motion databases (PEER, ESM, BRI). 42 SGM parameters, including Peak Ground Acceleration (PGA), Specific Energy Density, and Number of Effective Cycles, were extracted. A hybrid feature selection process, combining filter methods (ANOVA F-value, mutual information) and embedded methods (Lasso regression, XGBoost importance, SHAP values), identified critical predictors such as earthquake magnitude (Mw), depth to groundwater (dw), corrected penetration resistance ((N1)60)cs, (qc1N)cs, and shear wave velocity (Vs). Machine learning models (Random Forest, XGBoost, Neural Networks) were evaluated, with the CPT dataset tested on both balanced and imbalancedxvi configurations to assess class distribution effects. Random Forest consistently outperformed other models across datasets, achieving the highest accuracy (up to 84%) and AUC values (up to 0.85). The inclusion of SGM parameters significantly enhanced the model's ability to predict both liquefaction and non-liquefaction cases. This study highlights the potential of combining advanced computational techniques with geotechnical data to improve disaster risk assessment. The results emphasize Random Forest's robustness and the critical role of SGM parameters in advancing earthquake risk assessment and infrastructure resilience.
Benzer Tezler
- Zeminlerin indeks özellikleri ve SPT-CPT deneylerinin karşılaştırılması
A Correlation study between standard penetration test and static cone penetration test results
ŞAFAK HATUNOĞLU
- Sıvılaşabilir siltli zeminlerin koni penetrasyon deneyi ile tanısı
Identification of liquefiable silty soils using cone penetration test
MUSTAFA ÖZSAĞIR
Doktora
Türkçe
2023
İnşaat MühendisliğiSakarya Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERTAN BOL
- Trabzon Akyazı sahil dolgu alanı zeminlerinde sismik kaynaklı sıvılaşma potansiyelinin değerlendirilmesi
Seismic induced liquefaction potential evaluation of coast fill area soils at Akyazi / Trabzon
MURAT NAS
Yüksek Lisans
Türkçe
2013
Mühendislik BilimleriKaradeniz Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SABRİYE BANU İKİZLER
- Van merkez ilçelerindeki zeminlerin sıvılaşma potansiyelinin değerlendirilmesi
Evaluation of liquefaction potential of soils in the central district of Van
BURAKCAN AKTUĞ
Yüksek Lisans
Türkçe
2023
İnşaat MühendisliğiAtatürk Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEMET ÇELİK
- Deprem sebebiyle zeminlerin sıvılaşma potansiyelinin 'bulanık mantık modellemesi (fuzzy logic modelling)' ile değerlendirilmesi
Due to earthquake, evaluation of liquefaction potential of soils with fuzzy logic modelling
UĞUR ŞAFAK ÇAVUŞ
Doktora
Türkçe
2004
İnşaat MühendisliğiSüleyman Demirel Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ.DR. NİLAY KESKİN