Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightÇalışma sonucunda, sıkışma indisinin belirlenmesinde, YSA modelinin tüm analizler içinde ölçülen değerlere en yakın tahminde bulunan yöntem olduğu anlaşılmıştır
📌 3 Maddede Bu Makale
Özet
Sıkışma indisi (Cc), ödometre deneyinden elde edilen boşluk oranı - logaritmik efektif gerilme eğrisinin eğimi olup, ince daneli zeminlerde meydana gelebilecek konsolidasyon oturmasının tahmin edilmesinde kullanılan önemli bir parametredir. Bu çalışmada, son yıllarda hızlı bir şekilde gelişen ve birçok bilim dalında kullanım alanı bulan Bulanık Mantık (BM) ve Yapay Sinir Ağları (YSA) yöntemleri ince daneli zeminlerin sıkışma indisinin indeks özellikleri vasıtası ile tahmin edilmesinde kullanılmıştır. Literatür araştırmalarından elde edilen 285 adet veri setinin 200 adeti eğitim aşamasında 85 adeti test aşamasında kullanılmıştır. Bağımlı değişken sıkışma indisine bağımsız değişkenlerin etkisini belirlemek için çoklu regresyon analizi yapılmıştır. Analiz sonuçlarına göre, indeks özelliklerinden likit limit (wL), doğal su muhtevası (wn), plastisite indisi (Ip), doğal birim hacim ağırlık (?n), boşluk oranı (e0) ve doğal efektif gerilme (?´) değişkenlerinin sıkışma indisine tesir eden önemli parametreler olduğu görülmüştür. Çalışma sonucunda, sıkışma indisinin belirlenmesinde, YSA modelinin tüm analizler içinde ölçülen değerlere en yakın tahminde bulunan yöntem olduğu anlaşılmıştır
Abstract
Compression index is the slope of the void ratio-effective stres (log) curve obtained in the odometer test. It is an important parameter used to predict consolidation settlement of fine-grained soils. In this study, fuzzy logic and artificial neural Networks methods that rapidly evolved and widely used in many disciplines in recent years, have been employed to estimate the compression index values of fine-grained soils using their index properties. Laboratory data from 285 samples were collected from the literature. 200 of this data were used in the training phase and 85 data were used in testing phase. Multiple regression analysis was conducted to determine the effect of the independent variable on the dependent variable of compression index. The results suggest that liquid limit, natural water content, plasticity index, natural unit weight, void ratio and effective stress variables are the significant parameters that affect the compression index. The results indicate that compression index can best be estimated by the use of fuzzy logic methods. Articial neural networks method is the most suitable method model to estimate predicting Cc from index properties