KaydedilenlerDerginizi ekleyin

Dergiler / Gazi Üniversitesi Fen Fakültesi Dergisi / 2026 / Cilt: 6 Sayı: 1

Su Tutma Modelinin Parametrelerinin Yapay Zeka Optimizasyon Algoritmaları ile Tahmin Edilmesi

Mürüvet Özsoy(AKSARAY UNIVERSITY)0000-0001-8854-3306
Sayfa
27–37
Yayın Tarihi
2025-05-29
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Gözenekli ortamın hidrolik karakterizasyonunda önemli bir role sahip olan su tutma eğrisi zeminde bulunan su miktarı ile zemin su potansiyeli arasındaki ilişkiyi göstermektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:İnşa edilen mühendislik tasarımlarında su varlığının neden olabileceği olumsuz etkileri ortadan kaldırmak ya da minimum seviyeye indirebilmek amacıyla yapının konumlandığı zeminlerdeki su miktarının optimum seviyede olması gerekmektedir.
📊
Temel Bulgular & Veri:Ancak bazı durumlarda su seviyesi optimum değerden daha yüksek olabilmekte ve deprem dalgalarının etkisiyle daha fazla artan boşluk suyu basıncı üst yapıda ciddi hasarlara yol açmaktadır.
💡
Sonuç & Katkı:Gözenekli ortamın hidrolik karakterizasyonunda önemli bir role sahip olan su tutma eğrisi zeminde bulunan su miktarı ile zemin su potansiyeli arasındaki ilişkiyi göstermektedir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Zemin su tutma eğrisi · Doğrusal olmayan model · Parametre tahmini

Özet

İnşa edilen mühendislik tasarımlarında su varlığının neden olabileceği olumsuz etkileri ortadan kaldırmak ya da minimum seviyeye indirebilmek amacıyla yapının konumlandığı zeminlerdeki su miktarının optimum seviyede olması gerekmektedir. Ancak bazı durumlarda su seviyesi optimum değerden daha yüksek olabilmekte ve deprem dalgalarının etkisiyle daha fazla artan boşluk suyu basıncı üst yapıda ciddi hasarlara yol açmaktadır. Bu yüzden zeminde yer alan su içeriğini optimum seviyede tutabilmek için zemin su ilişkisi sürekli izlenmesi gerekmektedir. Gözenekli ortamın hidrolik karakterizasyonunda önemli bir role sahip olan su tutma eğrisi zeminde bulunan su miktarı ile zemin su potansiyeli arasındaki ilişkiyi göstermektedir. Bu eğri zeminin yapısı ve gözenekliliği gibi zeminin fiziksel özellikleriyle ilişkili olduğu için parametrelerinin doğru bir şekilde tahmin edilmesi gerekmektedir. Doğrusal olmayan bir fonksiyon olan su tutma eğrisinin parametrelerini tahmin etmek için Van Genuchten modeli kullanılmıştır. Geleneksel optimizasyon yöntemlerinin yeterli olmaması nedeni ile sezgisel yaklaşımlardan biri olan simbiyotik organizma arama algoritması ile dünyanın altı farklı noktasından elde edilen toprakların fiziksel özelliklerine ilişkin veriler kullanılarak parametreler tahmin edilmiştir. Elde edilen bulgular R2 değerlerinin %99’un üzerinde olduğunu göstermekte olup θr, θs, α ve n parametrelerin gerçek değerlerine oldukça yakın tahmin edilmiştir.

🔖

Bu Makaleye Atıf Yap

Özsoy, M. (2025). Su Tutma Modelinin Parametrelerinin Yapay Zeka Optimizasyon Algoritmaları ile Tahmin Edilmesi. Gazi Üniversitesi Fen Fakültesi Dergisi, Cilt: 6 Sayı: 1, 27–37. https://doi.org/10.63716/guffd.1470811

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (25)

  1. Kassaye, K. T., Boulange, J., Saito, H., & Watanabe, H. (2020). Monitoring soil water content for decision supporting in agricultural water management based on critical threshold values adopted for Andosol in the temperate monsoon climate. Agricultural Water Management, 229, 105930.
  2. Dexter, A.R., Bird, N.R.A., 2001. Methods for predicting the optimum and the range of soil water contents for tillage based on the water retention curve. Soil Tillage Research, 57, 203–212.
  3. Wang, Z., Huang, C., & Wang, L. (2022). Parameter estimation of soil water retention curve with Rao-1 algorithm. Journal of Agricultural Engineering, LIII:1283.
  4. Tan, F., Zhou, W. H., & Yuen, K. V. (2016). Modeling the soil water retention properties of same-textured soils with different initial void ratios. Journal of Hydrology, 542, 731-743.
  5. Silva, M.L.N., Libardi, P.L., Gimenes, F.H.S. (2018). Soil water retention curve as affected by sample height. Revista Brasileira de Ciência do Solo, 42:e0180058.
  6. Brooks R.H., Corey A.T. 1964. Hydraulic properties of porous media and their relation to drainage design. Transactions of the ASAE, 7 (1): 0026-0028. doi: 10.13031/2013.40684.
  7. Gardner, W. R., Hillel, D., & Benyamini, Y. (1970). Post‐irrigation movement of soil water: 1. Redistribution. Water Resources Research, 6(3), 851-861.
  8. Campbell, G. S. (1974). A simple method for determining unsaturated conductivity from moisture retention data. Soil Science, 117(6), 311-314.
  9. Van Genuchten, M. Th. (1980). A closed‐form equation for predicting the hydraulic conductivity of unsaturated soils. Soil Science Society of America Journal, 44(5), 892-898.
  10. Rossi, C., & Nimmo, J. R. (1994). Modeling of soil water retention from saturation to oven dryness. Water Resources Research, 30(3), 701-708
  11. Morshed, J., & Kaluarachchi, J. J. (1998). Parameter estimation using artificial neural network and genetic algorithm for free‐product migration and recovery. Water Resources Research, 34(5), 1101-1113.
  12. Ines, A. V., & Droogers, P. (2002). Inverse modelling in estimating soil hydraulic functions: a Genetic Algorithm approach. Hydrology and Earth System Sciences, 6(1), 49-66.
  13. Pedroso, D. M., & Williams, D. J. (2011). Automatic calibration of soil–water characteristic curves using genetic algorithms. Computers and Geotechnics, 38(3), 330-340.
  14. Abbaspour, K. C., Schulin, R., & Van Genuchten, M. T. (2001). Estimating unsaturated soil hydraulic parameters using ant colony optimization. Advances in Water Resources, 24(8), 827-841.
  15. Zhang, Y., Gallipoli, D., & Augarde, C. E. (2009). Simulation-based calibration of geotechnical parameters using parallel hybrid moving boundary particle swarm optimization. Computers and Geotechnics, 36(4), 604-615.
  16. Maggi, S. (2017). Estimating water retention characteristic parameters using differential evolution. Computers and Geotechnics, 86, 163-172.
  17. Wang, L., Huang, C., & Huang, L. (2018). Parameter estimation of the soil water retention curve model with Jaya algorithm. Computers and Electronics in Agriculture, 151, 349-353.
  18. Zhang, J., Wang, Z., & Luo, X. (2018). Parameter estimation for soil water retention curve using the salp swarm algorithm. Water, 10(6), 815.
  19. Cheng, M. Y., & Prayogo, D. (2014). Symbiotic organisms search: A new metaheuristic optimization algorithm. Computers & Structures, 139, 98-112.
  20. Ezugwu, A. E., & Prayogo, D. (2019). Symbiotic organisms search algorithm: Theory, recent advances and applications. Expert Systems with Applications, 119, 184-209.
  21. Leij, F. J., W. J. Alves, M. Th. van Genuchten, and J. R. Williams. 1996. Unsaturated Soil Hydraulic Database, UNSODA 1.0 User's Manual. Report EPA/600/R-96/095, U.S. Environmental Protection Agency, Ada, Oklahoma.
  22. Wang, L., Zhang, Z., Huang, C., Tsui, K.L., 2018. A GPU-accelerated parallel Jaya algorithm for efficiently estimating Li-ion battery model parameters. Applied Soft Computing, 65, 12–20.
  23. Van Genuchten, M. V., Leij, F. J., and Yates, S. R. (1991). The RETC code for quantifying the hydraulic functions of unsaturated soils. U. S. Environmental Protection Agency, Oklahoma, USA.
  24. Çelik, E. (2020). A powerful variant of symbiotic organisms search algorithm for global optimization. Engineering Applications of Application, 87, 103294.
  25. Çelik, E., & Öztürk, N. (2018). First application of symbiotic organisms search algorithm to off-line optimization of PI parameters for DSP-based DC motor drives. Neural Computing and Applications, 30, 1689-1699.