Karşılaştırmalı Sayısal Sıvılaşma Analizi

Abstract

Suya doygun, gevşek kum veya kumlu zeminler, tekrarlı yükler etkisinde, sıkışma ve hacim daralması eğilimi gösterirler. Bu eğilim, drenajın olmadığı koşullarda, boşluk suyu basıncını artırır. Tekrarlı yükler kum tabakası içindeki boşluk suyu basıncının artmasını desteklediği zaman, toplam gerilme, boşluk suyu basıncına eşit değere ulaşabilir. Bu durumda, kohezyonsuz zemin kayma direncini kaybeder ve bir sıvı gibi davranarak büyük yer değiştirmelerine maruz kalır. Böylece sıvılaşma evresine geçilmiş olur. Zemin sıvılaşmasının etkisinin görüldüğü örnekler; 1964 Niigata, 1920 California Calvers, 1938 Montana Fort Peck, 1948 Fukui, 1971 California San Fernando, 1964 Alaska Ancorage, 1980 Mino-Owari olarak sıralanabilir. Ülkemizdeki son büyük örnek de 1999 Marmara depremi sıvılaşmalarıdır. Zemin sıvılaşması özetle, deprem sebebiyle oluşan titreşimlerin doymuş kohezyonsuz zeminlerde taşıma gücünün geçici olarak kaybedilmesi şeklinde tanımlanmaktadır. Sıvılaşma sorunlarının karmaşıklığı nedeniyle, yanıtların doğrusal olmaması gibi, malzeme istikrarsızlıkları, deneysel ve sayısal teknik sınırlamaları, malzeme modeli formülasyonu zorlukları görüldüğü sebeple çok güvenilir ve doğru tahmin yöntemleri geliştirilmelidir. Sıvılaşma olgusunun neden olduğu can kayıpları ve altyapı sistemlerinde meydana gelen hasarlar, bölgelere ait sıvılaşma potansiyellerinin önceden belirlenip değerlendirilmesinde güçlü ve güvenilir metotlara ihtiyaç duyulmasına neden olmuştur. Zemin sıvılaşması, son depremlerde de (Adapazarı, Düzce, Türkiye; Chi-Chi, Taiwan, 1999) örneklendiği üzere önemli hasara sebep olmuştur. Sıvılaşmanın mekanizması ve doğurduğu sonuçların anlaşılmasına yönelik çalışmalar, 1964 yılında meydana gelen Niigata - Japonya ve Büyük Alaska - A.B.D. depremleri sonrası daha da hızlanmıştır. Son kırk yılda bu alanda önemli ilerlemeler kaydedilmiştir. Bugün zemin sıvılaşması konusu geoteknik mühendisliğinde branşında olgunlaşmış ve de kendi özel uygulamaları olan bir alan olarak karşımıza çıkmaktadır. Zeminde sıvılaşma oluşumunu etkileyen bir çok faktör vardır. Laboratuvar deney sonuçları yanında arazi gözlemleri ve çalışmalarına dayalı olarak, sıvılaşmayı etkileyen en önemli faktörler geçmişteki bazı çalışmalarda açıklanmıştır ve yeni çalışmalar ile açıklanmaya halen devam etmektedir. Deprem şiddeti ve süresi, ivme, yeraltı su seviyesi, zemin tipi, zeminin rölatif sıkılığı (Dr) ve benzeri etkin parametreler bu faktörler arasındadır. Bu çalışmada ise sıvılaşma potansiyelinin tahmin edilmesinde en iyi modelin geliştirilmesi amacı ile sonlu farklar metoduna dayalı model ile yapay sinir ağları metoduna dayalı modellerin sonuçları karşılaştırılmıştır. Kurbağlıdere, Kadıköy, Ġstanbul, Türkiye de gerçekleştirilmiş olan mikrobölgeleme çalışmasından faydalanılarak standart penetrasyon deneyi sondajlarından SPT-N değerleri hesaplanmış ve zemin parametreleri hesaplanarak bölgenin üç boyutlu sonlu farklar metoduna dayanan model ile gerçekleştirilmiştir. Geliştirilen sonul farklar metoduna dayalı modellerde 1 boyutlu, iki boyutlu ve üç boyutlu geometrilerde modellemelerin sonuçları karşılaştırılmıştır. Model sonuçları anlamlı değerler vermiş olup, %92‟lik bir modelleme başarısı görülmüştür. Sonrasında ise, bölgede beklenen bir deprem etkisi altında zeminin boşluk basıncı, toplam gerilmesi ve efektif gerilmeleri dikkate alınarak, bu deprem altında zeminin üç boyutlu sıvılaşma riski potansiyelleri bulunmuştur. Bu sonuçların karşılaştırılması için, geliştirilen sonlu farklar modelinde kullanılan etkin parametreler (girdi) ve zemin sıvılaşması potansiyelini temsil eden boşluk basıncı oranı (çıktı) ile yapay sinir ağları metoduna bağlı model geliştirilmiştir. Bu yapay sinir ağları modellerinde, eğitme ve test etme aşamalarında SPT „lerden elde edilmiş data kullanılmıştır. Çeşitli modeller denenmiş ve en yüksek başarı oranının elde edildiği modeller olan geri yayılma (back propagation) ile genel regresyon (general regression) mimarilerine dayanan yapay sinir ağları modelleri geliştirilmiştir. Seçilen bölgede sıvılaşma analizlerinin model ile tahmin edilebilmesi için dikkate alınan zemin parametreleri girdi olarak tanımlanmış, boşluk basıncı oranı (ru) çıktıları model sonucu olarak tahmin edilmesi sağlanmıştır. Geliştirilen yapay sinir ağları modellerinde sonuçların tutarlılıkları modellerin başarı oranları hesaplanarak tayin edilmiştir. Bunun için gerek modelin sonuçlarında programca hesaplanan başarı oranları alınmış gerek ise sonlu farklar metoduna dayanan modelce 10. ve 11. bölgeler için bulunan boşluk basıncı oranları yapay sinir ağları metodunca bulunan oranlardan çıkarılmıştır. Bulunan hata oranlarının ortalaması alınarak geliştirilen modelin ortalama hatası hesaplanmış ve sonuç olarak modelin başarı oranı bulunmuştur. Bulunan her iki başarı oranının kıyaslanması ile literatürce kabul edilen hata oranlarının içinde kalındığı ve modelin tutarlı olduğu görülmüştür. Çalışmanın ana amacı olarak şunlar söylenebilir. Zemin profiline ait bir boyutlu, iki boyutlu ve üç boyutlu sonlu farklar metoduna bağlı sıvılaşma potansiyelinin tahmini için model geliştirilmesi ve ayrıca yapay sinir ağları yöntemine dayalı model geliştirilmesi gerçekleştirilmiştir. Modellemelerde %82‟lik bir başarı oranı görülmüştür. Geliştirilen bu yapay sinir ağlarına bağlı modelin performansının arttırılması, sonlu farklar yöntemi tabanlı model sonuçları ve sinir ağı algoritması tabanlı model sonuçları ve basitleştirilmiş yöntem sonuçlarının karşılaştırılması yapılmıştır. Bir boyutlu, iki boyutlu ve üç boyutlu sonlu farklar metodundaki modellerin sonuçlarının karşılaştırılması, böylelikle farklı boyutlarda sıvılaşma analizleri yapıldığında gerek arazinin en iyi şekilde modellenebilmesi gerekse de analizler sonucunda hangi boyutlandırma ile bölgenin sıvılaşma riskini en doğru şekilde tahmin edilebileceğinin saptanması hedeflenmiştir. Son olarak sıvılaşma potansiyelinde deprem parametresi (deprem etkisi) sabit tutularak diğer etkin parametreler olan zemine bağlı parametrelerin yapay sinir ağları modelince etkinlik yüzdelerinin hesaplanarak karşılaştırılması yapılmış ve sıvılaşma oluşumunu etkileyen bir çok faktörden hangilerinin araştırma alanı olan Kurbağlıdere bölgesinde daha etkin olduğunun saptanması amaçlanmıştır. Bu anlamda, zemin içsel sürtünme açısı ve SPT-N değerlenin zemin sıvılaşmasında en etkin parametreler olduğu saptanmıştır. Zeminlerin sıvılaşma potansiyelinin tahmininde kullanılan bu farklı metotların karşılaştırılması için geliştirilen bu iki model ile zeminlerde sıvılaşma potansiyeli olasılıklarında kullanılabilecek ve uygulamanın başka araştırmalar ve çalışmalarda tahmin aracı olarak kullanılmasını sağlayan başarılı sonuçlara varılmıştır.

Soil liquefaction is the phenomenon of temporary loss of shear in saturated cohesionless soils under the influence of vibrations caused by earthquakes. Due to the complexity of liquefaction problems, such as nonlinearity of responses, sudden phase transition from solid to liquid behavior, material instability, interaction and relative movement between the porous soil skeleton and interstitial water, limitations on experimental and numerical techniques, material model formulation and so on reliable and accurate predictive methods need to be developed. The extensive loss of lives and civil infrastructure system (buildings, bridges, highways and airports etc.) caused by liquefaction emphasize the need for strong and reliable methods for evaluating the liquefaction potential of sites. Conventional methods for evaluating liquefaction potential are based on correlating data from soil Standard Penetration Test (SPT) with a parameter that represents the seismic loading on the soil during an earthquake. This study aims to explore the best model for the prediction of liquefaction potential by comparing the finite difference model and neural network model for the chosen case study area which is Kurbağlıdere region at Kadıköy, Istanbul, Turkey. The methodology of the research are to develop finite difference model in 1D, 2D and 3D geometries to predict liquefaction potential of a site and also to develop a neural network model to predict the liquefaction potential of a site. In the developed models, the aim is to compare simplified methods results with finite difference method based model results and neural network algorithm based model results. In the developed finite difference method (FDM) models for evaluating liquefaction occurrence of soil, it is seen that the developed FDM model is a useful model for forecasting the liquefaction potentials of a point in the case study area which we do not have any information. The comparison of simplified equations method results and the FDM model results are close and meaningful and the success rates of the developed models are meaningful too with an average success rate of 92%. In the developed back propagation neural network and general regression neural network models use of the SPT data for training and testing is done. Various models are examined and the model with the highest success rate (92%) is presented. In these neural network models, the most effective parameter for liquefaction occurrence is determined and it is seen that friction angle of soils and SPT-N corrected blowcount values are the most effective parameters for liquefaction potentials of soils. As a summary, the results obtained by the two proposed models demonstrate the liquefaction potential of regions and encourage the use of these applications for forecasting studies.