Page 43 - 01
P. 43

STİFNERLİ PANELLERİNİN NİHAİ MUKAVEMET VE 41
                                                                          BELİRSİZLİK ANALİZİ

gösterecektir. Stifnerli panellerin göçme davranışını etkileyen parametreler pratik olarak üç
grupta toplanabilir, bunlar; fiziksel faktörler, kullanıma bağlı faktörler ve modelleme kaynaklı
belirsizliklerdir[14].

3.1 Yapay sinir ağları(YSA)

Yapay sinir ağları (YSA) birçok alanda uygulanabilen, gruplama, eğri uydurma gibi işlemleri
başarıyla gerçekleştiren bir yöntemdir. Bu çalışmada ise stifnerli panellerin nihai mukavemet
değerlerinin sayısal olarak tahmini amacıyla kullanılmıştır. Elde edilen sonuçların fiziksel bir
anlamı olmayacaktır, ancak stifnerli panellerin yapısal kapasitelerini açık formda fonksiyonlarla
elde etmek oldukça zor olduğundan bu tür bir nümerik yaklaşım tercih edilmiştir.
YSA’nın genel yapısı Şekil 11’de verilmiştir. Burada, ilk katman veri giriş katmanıdır ve ham
veriler eğitim için hazırlanır. İkinci katman gizli katman olarak adlandırılır ve nöronların büyük
bir kısmı bu katmanda yer almaktadır, son katman ise çıkış katmanıdır ve YSA tarafından
tahmin edilen sonuçların verildiği kısımdır. Tek bir nöronun yapısı ise Şekil 12’de verilmiştir.
3 stifnerli ve 5 stifnerli paneller için ayrı iki model oluşturulmuştur. Her bir modelin eğitimi için
ayrı 270 adet göçme analizi gerçekleştirilmiştir.

Şekil 11. YSA genel yapısı.                      Şekil 12. Nöron yapısı.

3.1.1 Matematiksel altyapı

Matematiksel açıdan, deneysel ve nümerik sonuçlardan yola çıkarak yaklaşık fonksiyon bulmak
için problem, giriş ve çıkış verileri arasındaki ilişkiyi en iyi temsil eden ampirik formülün
bulunmasıdır[15].

Bir YSA’nın girdi ve çıktı vektörleri sırasıyla aşağıdaki gibi verilsin:

XT = (x1, x2, x3,...xn )                                                   (1)
YT = ( y1, y2, y3,...yL )                                                  (2)

Gizli katmanda yer alan i-inci nöronun çıktısı aşağıdaki gibi olmaktadır.

X          n                  
i    f                   bi    (i=1,2…m)                            (3)
                 wihik xk

              k 1

Verilen (3) ifadesinde wihik ifadesi giriş katmanındaki k-ıncı değişkenin gizli katmandaki i-inci

nörona giderken ki ağırlık çarpanıdır, bi ise sabittir.
Çıkış katmanında yer alan j-inci değişken ise aşağıdaki gibi hesaplanmaktadır.

                                                                           Sayı 1, 2015 GiDB|DERGi
   38   39   40   41   42   43   44   45   46   47   48