Sürdürülebilir Kalkınma Amaçları

• 1

• MakaleAçık Erişim2026Scopus SJRQ3/r/bayburt/11168
  Low-Data Modeling of Shallow Foundations on Cohesive Slopes: A Comparison between Hybrid FEM–RSM and ML Models*

  Kâmiloğlu, Hakan Alper; Gücüyener, Alper

  In geotechnical engineering, accurately predicting the seismic bearing capacity of shallow foundations on cohesive slopes requires proper consideration of nonlinear effects and parameter interactions. However, most studies in the literature address these complex effects inadequately, either with numerical methods that demand a large number of analyses or with machine learning (ML) models that require large and heterogeneous data sets. In this study, it is aimed to propose an approach that allows for a robust analysis of the system and at the same time provides accurate forecasting for situations where working with small and homogeneous data sets is mandatory. Within the scope of the study, seismic bearing capacity analyses were performed using Plaxis 2D for 273 cases where eight independent variables took different values according to the Face Centered Composite Design (FCCD), and a database was created. Multiple Linear (MLR), Multiple Nonlinear (MNLR) Regression Models were established, and ML models, such as Support Vector Regression (SVR), Random Forest (RF), and Extreme Gradient Boosting (XGBoost), were trained. The models were compared with both in-sample and out-of-sample estimation performance, and parametric sensitivity analyses were evaluated by methods such as ANOVA and SHAP. The results show that the MNLR model with natural logarithmic transformation is the most successful method in terms of both accuracy (R² ≈ 0.98) and reflecting parameter interactions, while the SVR algorithm demonstrates the best generalization ability among ML models under low-data conditions. The results also confirm that the ML models effectively capture the parameter effects.

  • 
  İncele
• Yüksek Lisans TeziAçık Erişim2025/r/bayburt/17496
  Şeve oturan şerit temellerin taşıma gücünün istatistiksel yaklaşımla irdelenmesi

  Alper Gücüyener

  Bu tez çalışması, şeve oturan şerit temellerin taşıma gücünü istatistiksel yöntemlerle incelemeyi amaçlamaktadır. Şevli zeminlerde temellerin taşıma kapasitesi, geleneksel düz zemin temellerine kıyasla daha karmaşık bir yapıya sahiptir ve birçok faktörden etkilenmektedir. Bu nedenle, mevcut analitik yaklaşımların sınırlılıklarını aşmak ve daha güvenilir tahminler yapmak için istatistiksel modelleme yöntemleri kullanılmaktadır. Çalışma kapsamında içsel sürtünme açısı, kohezyon, temel genişliği, gömülme derinliği, temelin şeve uzaklığı, şev yüksekliği ve şev eğim açısı bağımsız değişkenler olarak belirlenmiştir. Bağımsız değişkenlerin yanıt olarak belirlenen taşıma gücü katsayısı üzerindeki etkileri istatistiksel olarak incelenmiştir. Bu kapsamda Yanıt Yüzey Yöntemi (YYY) kullanılmıştır. Merkezi kompozit tasarım yaklaşımı ile bağımsız değişkenlerin farklı değer aldığı 142 durum oluşturulmuştur. Her durum için temel monotonik yükleme yapılarak sonlu elemanlar yöntemi ile taşıma gücü belirlenmiştir. Elde edilen yük, boyutsuz taşıma gücü katsayısına çevrilerek yanıt olarak deney matrisinde tanımlanmıştır. Yapılan istatistiksel analiz sonucunda, uygun model belirlenmiş, doğrulaması yapılmıştır. Model doğruluğu, deney setinde olmayan bağımsız değişkelerin bulunduğu yeni veri seti ile kontrol edilmiştir. Elde edilen istatistiksel model kullanılarak, bağımsız değişkenlerin taşıma gücü katsayısı üzerindeki tekil etkileri incelenmiştir. Bunun yanında, bağımsız değişkenler arasında etkileşimin de olabileceği dikkate alınarak parametre etkisi Pareto diyagramları ile incelenmiştir. Pareto diyagramları ANOVA sonucunda her bir bağımsız değişken için belirlenen F-değerleri dikkate alınarak hazırlanmıştır. Elde edilen sonuçlar, şevli zeminlerde temellerin taşıma kapasitesinin, zemin özellikleri ve şev geometrisi ile doğrudan ilişkili olduğunu göstermiştir. Ayrıca, Yanıt Yüzey Yönteminin, karmaşık geoteknik sistemlerin davranışlarını modelleme ve tahmininde etkili bir yöntem olduğu ortaya konmuştur.

  İncele