Professional Documents
Culture Documents
İÇİNDEKİLER
İÇİNDEKİLER..............................................................................................................i
ÖZET...........................................................................................................................iv
ABSTRACT.................................................................................................................v
ÖNSÖZ VE TEŞEKKÜR............................................................................................vi
SİMGELER DİZİNİ...................................................................................................vii
ŞEKİLLER DİZİNİ.....................................................................................................ix
ÇİZELGELER DİZİNİ................................................................................................xi
1. GİRİŞ.......................................................................................................................1
1.1.Çalışmanın Amacı..................................................................................................2
2.METARYAL VE METOT.......................................................................................3
2.1 Üstyapıların Tanımı...............................................................................................3
2.2 Esnek Üstyapılar....................................................................................................3
2.3 Esnek Üstyapılarda Kullanılan Malzemeler ve Yapılan Deneyler........................9
2.3.1 Agregaların Özellikleri.......................................................................................9
2.3.2 Agregalarda Uygulanan Deneyler.....................................................................11
2.3.2.1 Elek Analizi....................................................................................................11
2.3.2.2 Los Angeles (Aşınma Deneyi).......................................................................14
2.3.2.3 Donma Deneyi...............................................................................................14
2.3.2 Bitümün Özellikleri...........................................................................................15
2.3.2.1 Bitümde Uygulanan Deneyler........................................................................15
2.4 Esnek Üstyapılarda Alttemel Tabakası................................................................16
2.4.1 Alttemel Tabakasında Kullanılan Malzeme Özellikleri....................................18
2.4.2 Alttemel Tabakasında Yapılan Deneyler...........................................................22
2.4.2.1 CBR Deneyi....................................................................................................23
2.4.2.2 R Direnç Değerinin Tespiti............................................................................24
2.4.2.3 Texas Üçeksenli Sınıflandırma.......................................................................25
2.5 Alttemel Tabakası Drenaj Koşulları.....................................................................27
3. ESNEK ÜSTYAPI ANALİZİ................................................................................29
ii
6.2.2. Örnek2………………………………………………………………………..88
7. TARTIŞMA VE SONUÇ.......................................................................................91
KAYNAKLAR...........................................................................................................92
EK1.............................................................................................................................96
ÖZGEÇMİŞ..............................................................................................................106
iv
ÖZET
Son yıllarda gelişen diğer önemli bir çalışma ise esnek üstyapıların yapısal
açıdan performansı belirlemekte kullanılan tahribatsız test yöntemidir.
(Nondestructive Testing-NDT). NDT ile yol üstyapısındaki defleksiyon değerleri
ölçülmekte ve bu değerlerin geri-hesaplama analizleri ile üstyapının durumu
hakkında bilgiler edinmekteyiz. Bu aletlerden en sağlıklı ve hızlı olanı FWD (Falling
Weight Deflectometer) test aletidir. Ölçülen defleksiyon değerlerinden geri
hesaplama yöntemiyle üstyapı elastisite modülleri belirlenmektedir. Bulunan üstyapı
tabakalarının elastisite modülü değerleri üstyapı durumunun bir göstergesi
olmaktadır.
ABSTRACT
During the last year, it’s have complex structure or known method to be
unsolved in order to solved, new information system have been developed. Artificial
Neural Network (ANN), a model of brain and ıt’s something used to ability simple
processes in a paralel-distributed manner. Artificial Neural Network (ANN), many
engineering branch using achievement and more than more expert has been system.
Artificial Neural Network (ANN), the control system has been appropriate
due to suitable to work processesing. ANN, firtsly one cell has been appeared. One
input an done output to be accepted as model than more input and output have been
mechanism to change.
During the last years, the other very important guesswork has been NDT
(Non Destructive Testing) for desingning and maintaning pavements. NDT using for
pavement evalution, pavement deflections have been measured have to be knowledge
about pavement structure analysıs. This tool most fit and fast to be FWD ( Falling
Weight Deflectometer). In order to us efor pavement evaluatıon, pavement layer
moduli values have to be determined from measured deflection values.
ÖNSÖZ VE TEŞEKKÜR
SİMGELER DİZİNİ
υ Poisson Oranı
χ Viskozite
ε Kritik Şekil Değiştirme
a Yük Uygulama Yarıçapı
E Elastisite Modülü
[D] Malzeme Matrisi
[K] Sistem Rijitlik Matrisi
{ε} Şekil Değiştirme Vektörü
{σ} Eleman Gerilme Vektörü
dh Hesaplanmış Yüzey Defleksiyonu
di Yüzey Defleksiyonu
PV Düşey Basınç
PH Yatay Basınç
D2 Yer Değiştirme
σ3 Çevresel Basınç
σV Granüler Tabakadaki Maksimum Normal Gerilme
σ1 Asal Gerilme
PSI Servis Verme Kabiliyeti
b Temel Tabakası Kalınlığı
P Eksenel Yük
N Geçiş Tekrar Sayısı
c Alttemel Tabaka Kalınlığı
T8.2 Standart Dingil Tekrar Sayısı
σ1-σ3 Deviatör Gerilme
ε3r Çap Gerilmesi
ε1r Eksenel Gerilme
Xn Girdi Değerleri
Wij Ağırlıklar
F(x) Aktivasyon Fonksiyonu
viii
E Hata Oranı
µ Öğrenme Oranı
Oi Gerçek Değer
Ti Hedef Çıktı
P Eğitim Setinde Girdi-Çıktı Toplamı
ix
ŞEKİLLER DİZİNİ
ÇİZELGELER DİZİNİ
1.GİRİŞ
2. METARYAL VE METOT
geçerek taban zeminine iletilmesi, zemin içindeki klasik yük dağılışı gibidir. Yani
tekerlek yükleri altında esnek üstyapı deforme olur ve her tabaka, üzerine gelen yükü
bir alttakine biraz daha yayarak iletir. Böylece, taban zeminine ulaşan yük kısmen
büyük bir alana yayılmış olur. Esnek üstyapıda oluşan gerilmelerin değeri yolun en
üst tabakasından alta inildikçe düştüğü için, kullanılacak malzemelerin mekanik
özellikleri de bu gerilme dağılışına uygun olarak seçilir. Bitümlü karışımlardan,
asfalt betonundan yapılan kaplama tabakası, trafiğin ve iklimin bozucu etkilerine
doğrudan doğruya maruz kaldığı için, yüksek elastisite modülü, kaymaya direnç
yanında geçirimsizlik özelliğine de sahip bulunmalıdır. Esnek üstyapılar iyi
projelendirilmezse; aşağıdaki iki nedenden biri yolun tahrip olmasına sebep olur.
Kaplama tabakası
Temel tabakası
Alttemel Tabakası
Taban Zemini
Asfalt Tabakası
Binder Tabakası
Temel Tabakası
Alttemel Tabakası
3.0 m
6.0 m
Bir karayolu üstyapısı, tabakalı bir sistem olduğundan çok karmaşık bir
yapıya sahiptir. Çünkü tabakalar farklı davranış gösteren malzemelerden meydana
gelmektedir. Alttemel ve temel tabakalarını oluşturan granüler malzemeler nonlineer
elastik davranış gösterirler. Aşınma tabakasında ise özellikle sıcaklığa ve yükleme
hızına bağlı olarak visko-elastik davranış gösteren bitümlü karışımlar
kullanılmaktadır. Üstyapılara gelen yükler altında tabakaların gerilme yayılışı en üst
tabakadan en alt tabakalara doğru ilerlemektedir (Şekil 2.2.4). Böylece de
tabakalarda kullanılan malzeme özellikleri bu gerilme durumundaki farklılıklardan
7
gerilme
Yükleme boşaltma
şekil değiştirme Visko-elastik
zaman
Tekerlek yükü
Üstyapı
yapısal
durumu
Doğal zemin
Bir yol kaplamasının kaymaya karşı dayanıklılığı, artan trafik miktarı, taşıt
hızı ve yüzey dokusu gibi bir çok faktöre bağlıdır. Islak kaplama üzerinde kayma ve
su üzerinde kızaklama, sorunun en tehlikeli tarafını oluşturur. Bunun yanı sıra göz
10
içeriği minimum sertlik farkının %50 ile %70 oranlarında vermektedir. Bu durum
ayrıca daha önce üniform sert mineral agregalar için açıklananları ortaya
koymaktadır. Kaba agregaları, genel kaymaya karşı gösterdikleri direncin özellikleri
ve farklı sertliklere özgü özellikleri hakkında geniş kapsamlı belgeler yayınlanmıştır.
İç çapı 711,2 mm ve iç uzunluğu: 508 mm olan içi boş ve iki yanı kapalı
çelik silindir. tambur, yatay ekseni etrafında dönebilecek biçimde iki ucundan tespit
edilmiştir, Tamburun içine malzeme koyabilmek için bir kapağı mevcuttur. Tozun
girip çıkmasına engel olmak için bu kapak bulonla sıkıca kapatılır. Kapak o şekilde
yapılmıştır ki, kapandığında tamburun iç yüzünün silindirik şekli bozulmaz.
Tamburun içinde silindirin bir doğrultmanı boyunca uzanan ve 9 cm’lik bir çıkıntı
teşkil eden çelik siper mevcuttur. Bu çelik siper kapaktan (tamburun dönme
yönünde) en az 127 cm ötede olmalıdır. Deney silindire aşındırıcı çelik küreler
konur.
Numune ve küreler alete konur. 500 devir yapılır (30-33 devir/dak). Tambur
üniform bir hızla dönecek şekilde dengeli olmalıdır. Çelik siper korniyerden yapılmış
ise, korniyerin dış yüzü, yükü alacak yönde alet döndürülmelidir. Deneyden sonra 12
No. dan büyük elekle elenir. 12 No. da kalan kısmın hepsi yıkanır ve (105-110 C0) da
sabit ağırlığa kadar kurutulur. Hassas bir terazi ile tartılır. Numunenin ağırlık kaybı
(ilk ve son ağırlıkları farkı) hesaplanır. Ağırlık kaybının ilk ağırlığa oranı aşınma (%)
sini verir.
Bu deneylere ek olarak;
¾ Cilalanma deneyi,
15
Bitüm doğal kökenli hidrokarbonlar olup, çok defa bunların gaz, sıvı, katı
veya yarı katı olabilen, metal dışı türevleri ile bir arada bulunan, yapıştırıcı
özellikleri olan madde olarak tanımlanır. Agrega ile iyi bir aderans sağlamasından ve
petrol yan ürünü olup fazla bulunmasından dolayı yol üstyapılarında kullanılır.
Bitümlü karışımlar aşağıdaki şartları yerine getirmelidir:
¾ Düktilite deneyi,
¾ Yumuşama noktası deneyi,
¾ Viskozite deneyi,
¾ Penetrasyon deneyi,
¾ Parlama noktası deneyi.
16
İyi bir şekilde yapılmış olan bir alttemel tabakası, üstyapıdaki oturmaları ve
defleksiyonları önleyecektir. Üstyapının yük taşıma kapasitesine etki eden alttemel
tabakası böylece doğrudan yüzey defleksiyonlarını etkiler. Alttemel, taban yüzeyi ile
temel tabakası arasına yerleştirilen sıkıştırılmış daneli malzeme veya uygun bir
bağlayıcı malzeme ile stabilize edilmiş malzeme tabakasıdır. Alt temel tabakası,
taban zemininin taşıma gücünü aşabilecek yüksek gerilmeleri ve tabanda oluşacak
don etkisinin üstyapıya yansımasını önleyecek özelliklere sahip bulunmalıdır. Alt
temel tabakası, ekonomik etkenler göz önünde tutularak, yörede bulunan iyi kaliteli
seçme malzemeden oluşturulmalıdır. Temel tabakası ile alt temel tabakasının ayrı
yapılmasının nedeni yine ekonomi sebebiyledir. Tek bir temel tabakası yaparak daha
pahalı malzeme kullanmak yerine, alt temelle birlikte temel tabakası yapılır.
Uygun bir alt-yapı hava ve trafik tesirlerine karşı mukavim olmalıdır. Alt
temelin taşıma kabiliyetinde bu tesirlerden dolayı olan azalma bazen “regresyon”
olarak adlandırılır.
Kışın yolun kenarındaki zemin kısmı alt yapıya nazaran daha nemli, yazın
ise daha kurudur. Yol kenarlarındaki zeminin su muhtevasındaki değişikliklerin
etkileri genelde, yolun kenarı altından, alt yapı içinde bir hayli mesafeye kadar uzanır
ve alttemel hacminde değişmelere yol açar. Bu hallerde yol kenarı mevsime bağlı
olarak, yolun merkezine nazaran 5 cm’e varan, yükselip alçalmalara maruz kalır.
Kurak zamanlarda bu hareket daha fazladır ve bitümlü kaplamalarda önemli
çatlamalara sebebiyet verir.
Kasnak metodu 75 mm
Kum konisi metodu 50 mm
Nükleer metot 37,5 mm
Çizelge 2.4.1.1. Kullanılan malzeme cinsine göre alttemel kalınlıkları (Yollar Fenni
Şartnamesi; Bayındırlık ve İskan bakanlığı, Karayolları Genel Müdürlüğü, 1986)
Çakıl ve kırmataş 20
Mekanik stabilizasyon 20
Taban alanı 20 cm2 olan küçük bir silindirik piston silindirik çelik kalıp içinde
bulunan numuneye batırılır (Şekil 2.4.2.1.1). Bu sırada piston numuneye saplandıkça
yük deformasyon bilgileri toplanır. Genellikle piston 4.5 kg ağırlığında bir sürşarj
halkası içinden geçer. Bu halka numune yüzeyini sınırlar ve uygulamada yol temel
ve zemin tabakalarının ağırlığını temsil eder.
CBR değeri % olarak ifade edilir ve CBR değeri yükseldikçe zemin sertleşir.
24
Kuru ağırlık
Doygunluk çizgisi
% su muhtevası ( nem )
Numune (Örnek)
Su dolu alt
kısım
Basıç ölçer
silindir arasına hava uygulanmasıyla elde edilir. σ 1 asal gerilmesi esas olarak
deneyde dikkate alınır. Çünkü çevresel basınç yani yanal basınç numunenin üstüne
uygulanmaz. Sonuç, sınıflandırma nomogramına aktarılır ve malzemenin en uygun
gerilmesi tespit edilir.
26
Üstyapı
Banket
Su Akışı
Akış Borusu
Filtre
Karayolu drenajı, her birine bireysel önem verilmesi gereken birkaç konu
içerir. Alt drenaj yol altındaki alt tabaka suyunun kontrolünde sızma teknikleri için
uyarlanmış bir terimdir. Drenaj suyun düşme başlangıcının yol içinde yada dışında
olup olmadığına bakmaksızın, herhangi bir yolu etkileyen yüzey akışı metotlarını
içerir.
Yol üst yapılarında özellikle dolgu şevlerinde sağlam kayaya kadar uzanan
micropipe yani çelik boruların çimento enjeksiyonu ile ankre edilmesi günümüzde
yol mühendislerinin en yeni uygulamalarından biridir.Yol dolgu şevlerinin topuk
kısımlarında (dere,nehir) su etkilerinin alttemel’e sızmasıyla üstyapıda yapısal
bozulmalar oluşmaktadır (Şekil 2.5.2). Bu noktalarda oluşacak kayma yada
kopmaların önlenmesi için günümüzde oldukça yeni bir yöntem olan micropipe
uygulaması yol üstyapılarının stabilitesin de önemli bir uygulamadır böylece suyun
alttemel tabakasına girmesi durumunda dahi üstyapının dolgu şevindeki herhangi bir
kayma yada kopması engellenmiş olur.
D=0.44a+0.14b+0.11c (3.2)
Dizayn Sayısı SN
∆PSI
Log
LogW18 = Z R S0 + 9.36 Log ( SN + 1) − 0.20 + 4.2 − 1.5
1094 (3.3)
0.40 +
( SN + 1)5.19
+ 2,32 log M r − 8,07
SN
T8.2 Log(T8.2) loT8.2 SN inç. Si Pt CBR cm
Çizelge 3.1.2. Yol temel tabakası için üstyapıda tavsiye edilen min. kalınlıklar
Kilometre % SN SN SN
2,0 20,13 10,70 9,43 85,68 40
2,0 17,80 10,70 7,10 64,51 40
3,0 16,53 10,70 5,83 53,00 40
4,0 15,67 10,70 4,97 45,20 40
5,0 15,03 10,70 4,33 39,33 40
6,0 14,51 10,70 3,81 34,68 35
7,0 14,08 10,70 3,38 30,77 30
34
NDT, üstyapı durumunu belirlemede pek çok avantaj sağlar. Temel avantajı,
kısa bir sürede bir karayolu üstyapısı üzerinde pek çok noktada veri toplama
özelliğidir. Test sonuçlarını yorumlamak günlerce sürmez. Elde edilen veriler birkaç
saat içinde değerlendirilip üstyapı durumu hakkında bilgi edinilebilir. Hatta trafiğin
az olduğu gece saatlerinde de test uygulamak mümkün olabilmektedir (Albert 1985).
Laboratuvar testinin arazide yapılan teste göre avantajı, test şartlarının laboratuarda
kolayca kontrol altına alınabilmesidir. Laboratuarda, gerilme seviyesindeki
değişmelerin modüller üzerindeki etkilerini belirlemek kolaydır.
Taban zemini yarı-sonsuz uzay olarak kabul edilir. Bütün tabakalar da yatay
yönde sonsuz olarak kabul edilmektedir. Tabakaların ara yüzeylerinin düzgün ve
sürekli olduğu düşünülmektedir. Yükleme, dairesel bir alan üzerinde üniform yayılı
düşey temas basıncı olarak yapılır (Inoue and Matsui 1990). Genelde modelleme
zorluğundan dolayı visko-elastik davranış gösteren bitümlü tabakanın da lineer
elastik davrandığı kabulü yapılmıştır (Huang 1993).
çok durumda gerilmeye bağlıdır, yani nonlineerlik söz konusudur. Elastik teori,
malzemenin homojen olduğunu kabul eder. Oysa çoğu üstyapı malzemesi ve
özellikle alttemel malzemesi olarak kullanılan granüler malzeme homojen değildir.
Pek çok taban zemini malzemesi de nonlineer davranmaktadır. Eğer bu nonlineerlik
ihmal edilirse, üstyapı malzemelerinin modüllerinin değerlendirilmesinde çok büyük
hatalar ortaya çıkabilir.
ile hesaplanır.
ile hesaplanır.
Burada υr poisson oranı, Є3r çap gerilmesi, Є1r eksenel gerilmedir.
Elastiklik modülü ve poisson oranı beraber değerlendirilir. Örneğin öz elastiklik
modülü (k) ve elastiklik kesme modülü (G) eğer istenirse;
K= Mr/3(1-2υr) (3.7)
ile lineer elastik davranış simgelenebilir.
39
düzenek kurmak yada kabul edilebilir bir doğrulukta tahmin etmek gerekir. Diğer
taraftan, değişmeler küçük yada önemsiz ise sabah erken saatlerde defleksiyon
dataları toplanmalıdır.
Temel olarak, üç ayak üzerinde taşınan bir ana kirişe bağlanmış bir ölçüm
çubuğundan oluşmaktadır. Statik tek yada dual tekerlek yüküne karşı üstyapının
tepkisini ölçmekte kullanılan bir alettir. 2.4 m uzunluğundaki çubuk 8.2 kg
ağırlığındaki dual tekerler arasına yerleştirilir. Üstyapıya yük uygulandığında, kiriş
üstyapıya oturan bir referans kiriş üzerindeki bir dönme noktası etrafında döner ve
böylece kirişin dönme miktarı, maksimum defleksiyon olarak ölçülür. Tek bir
noktada ölçüm aldığı için defleksiyon eğrisi oluşturmaz ve üstyapı hakkında tam bir
bilgi vermez. Farklı karakteristiklere sahip iki farklı üstyapı kesiminde bu aletlerle
42
test yapılıp aynı defleksiyon değeri ölçüldüğü zaman her iki kesim içinde aynı
değerlendirme yapılacaktır. Bu da beraberinde hatalı bir yorumlama getirecektir.
FWD’ nin bütün tipleri geçmekte olan bir kuvvet etkisini üstyapı yüzeyine
iletir. Kuvvet; belli bir yükseklikten üstyapı yüzeyine yerleştirilmiş bir plak üzerine
düşürülen bir kütle ile oluşturulur. Alet başlangıçta Fransa’ da geliştirilmiş daha
sonra Danimarka ve İsveç’ te üç farklı FWD tipi üretilmiştir. FWD, son on yıldır
üstyapı dizaynında kullanılan bir alet olmuştur (Şekil 3.3.3.1). Önceleri yaygın
olarak Benkelman Kirişi, Deflectograph, Dynaflect, Road Rater gibi tahribatsız test
aletleri kullanılmaktaydı. Ancak bunların tümü, yükleme süresi, yükleme metodu,
yükleme dalgası ve benzer problemlere sahiptir. FWD bütün bu problemleri
43
FWD, dairesel bir plakla üstyapı yüzeyine bir yük uygulayan treylere monte
edilmiş bir alettir. Sonuç yüzey defleksiyonları, yükün merkezinden artan radyal
mesafelerde yerleştirilen bir grup transducer ile tam olarak ölçülür (Şekil 3.3.3.2).
Böylece, yüzey defleksiyon profili yada “defleksiyon bowl” belirlenir ve onun
karakteristikleri üstyapının gerçek durumunu analiz etmekte kullanılabilir.
d
e
f
l
e
k
s
i
y
o
n
Yoğun trafik yüklemesi ile oluşan defleksiyonlar
d
e
f
l
e
k
s
i
y
o
n
Düşük yoğunluklu trafik yüklemesi altında oluşan defleksiyonlar
Şekil 3.3.3.2. Üstyapıda FWD ile ölçülen defleksiyon değerlerine göre oluşan
defleksiyon eğrileri
46
Sismik üstyapı analizi veya spektral üstyapı analizi- SPA elastiklik modülü
ve tabaka kalınlığını belirlemek için dalga yayılım tekniğini kullanır. Elastik
modüller dalga yayılım hızlarından hesaplanır. Bu yöntem aşınma tabakalarında
bozulmaya uğramış üstyapının takviyesi için gerekli kalınlık hesabı için uygun
olmasına rağmen, yol alt-temel tabakalarında non lineer malzeme davranışı söz
konusu olduğundan elastisite modülleri çok yüksek değerler almaktadır. FWD ile
elastisite modülleri arasında çok fark bulunmaktadır. Şekilde gösterilen dalgaların
yayılım hızlarını algılayıcı sensörler bilgisayar düzeneğine bağlıdır ve elastik
modüller bu dalga yayılım hızlarından elde edilmektedir (Şekil 3.3.4.1). FWD
düzeneğine benzer şekilde dizayn edilmiş ekipmanlardan oluşmaktadır (Şekil
3.3.4.2).
48
RWD ölçüm düzeneği ile (Şekil 3.3.5.1) üst yapı yük simülasyonu tekerlek
yüklemelerine benzer şekilde oluşturulmaya ve dolayısı ile sadece düşey yüklemeler
değil yatay yüklemelerde dikkate alınmaya çalışılmıştır.
50
Ön balanslar(2 ton)
Bir üstyapının yük taşıma kabiliyeti, donma, sıcaklık, nem ve diğer çevresel
değişiklikler gibi değişik etkilere göre yıl boyunca değişim gösterir. Yol üstyapılarda
oluşacak yapısal veya fonksiyonel bozulmalar üstyapıda oluşacak defleksiyon
üzerinde önemli rol oynar.
3.4.1. Yükleme
Bir üstyapının yük taşıma kabiliyeti, donma, sıcaklık, nem ve diğer çevresel
değişiklikler gibi değişik etkilere göre yıl boyunca değişim gösterir. Üstyapıların yük
taşıma kapasitesinde gözlenen değişim, temel olarak sıcaklık ve nemin bir
fonksiyonudur. Üstyapı elastisite modülleri mevsimsel değişmelere maruzdur. Genel
olarak mevsimsel etkiler her bir üstyapının yapısal kapasitesini azaltır veya artırır.
Daha önceki araştırmalarda, bir esnek üstyapının yük taşıma yeteneğinin çevresel
faktörlerle önemli derecede etkilendiği görülmüştür. Böylece, karayolu üstyapılarının
ekonomik olarak projelendirilmesi ve bakım çalışmaları için, sıcaklık ve nem gibi
çevresel etkilerdeki değişmeleri anlamak üstyapı performansını anlamak için önem
kazanmaktadır.
Karayolu esnek üstyapı yüzeyi, asfaltın siyah renginden dolayı güneş ışığını
daha çok absorbe etmektedir. Bu durunda bitümlü karışımın mekanik özelliklerine
bağlı olarak ölçülen defleksiyon değerini, üstyapı sıcaklığı, yani hava sıcaklığı
etkilemektedir. Bütün kaplamalı üstyapılarda, üstyapıya uygulanan bir miktar yük
miktarı için oluşan defleksiyon miktarı, üstyapı sıcaklığının artışıyla artmaktadır.
Ancak sadece üstyapı yüzeyi sıcaklığını bilmek yetmez. Çünkü alt tabakalardaki
defleksiyonlar da sıcaklıktan etkilenir ve alt tabaka yüzeylerindeki sıcaklıkların da
52
bilinmesi gerekir. Alt tabaka yüzeylerindeki sıcaklık değerlerini bulmak için bazı
ilişkiler geliştirilmiştir. Genelde referans bir sıcaklık değeri kabul edilmiş ve
ölçülmüş olan defleksiyon değerleri bu referans sıcaklık değerine göre düzeltilmiştir
(Germann and Lytton 1989).
Şekil 3.5.1.1. Üstyapıda oluşan aşırı defleksiyonlar sonucu meydana gelen bozulma
¾ Ondülasyonlar.
¾ Tekerlek izinde oturmalar
¾ Yol platformundaki bombenin yok olması ya da tersine bombenin
oluşması.
¾ Gevşek malzeme.
¾ Çukurlar.
Dalga uzunluğu (iki tepe noktası arasındaki mesafe) muayyen olan bir satıh
ondülasyonu üzerinde vasıtanın minimum derecede sarsılmasını temin eden, kritik
bir aşma hızı mevcut olup, bu hızın altında sarsıntılar çok daha şiddetle hissedilir.
Dalga uzunluğu 65 cm civarında olan satıh ondülasyonu olan bir yol üzerinde, 70
km/saatlik bir hızla seyredilirse vasıtanın iki tepe noktası arasındaki düşme miktarı 5
mm mertebesinde kalır ki, seyahat edenler bundan dolayı sarsıntıyı genellikle
55
¾ Sonlu eleman denklemleri formüle edilir ve bütün için bir grup cebrik
denklem bir araya toplanır.
Sonuçları fazla etkileyebilecek bir faktör olduğu için, eleman ağı (mesh) iyi
bir şekilde tanımlanmaktadır. Analizin hassas olması için sonlu elemanların boyutu
mümkün olduğunca küçük tutulmalıdır.
Bir üstyapı analiz edildiği zaman, temel gereksinim, geçen teker yüklerinin
sebep olduğu defleksiyonları belirlemektir. Bununla birlikte, başlangıç gerilmeleri ve
yükün sebep olduğu gerilmelerin toplamından oluşan toplam gerilmelerin
değerlendirilmesi gerekmektedir. Gerçekte onlar üstyapı malzemelerinin maruz
kaldığı gerilmelerdir ve onların davranışına bağlıdır.
20. yüzyılın ikinci yarısında temelleri atılan yapay zeka tekniği, başlangıçta;
hastalık teşhisi, uydu fotoğraflarının okunması ve belirlenmesi, strateji belirleme gibi
askeri amaçlı uygulamalarda, kontrol problemlerinde, endüstriyel uygulamalar için
geliştirilmiş günümüzde hemen her disiplinde kullanılır olmuştur. YSA ve diğer
mantıksal programlama tekniklerinin ispatlanmış teorilerinin ortaya çıkartılması
nedeniyle konu pek çok teorisyenin ilgisini çekmiştir.
x1
W1j
W2j
x2
Σ
f(Σ) y
• •
• • Wnj
x3
Toplam girdi ve ağırlık değerleri tek tek toplanarak aşağıdaki formülle hesaplanır.
NET j = ∑w X
i
ıj j (5.1)
Birimin çıkışı, bu değerin bir sınır değerden çıkartılıp lineer olmayan bir
fonksiyondan geçirilmesiyle hesaplanır. Bu fonksiyon;
dır. Sinir ağları, insan beynindekine benzer olarak meydana getirilen yapay sinir
hücrelerinin değişik bağlantı geometrisi ile birbirlerine bağlanmasıyla oluşan
kompleks sistemlerdir. Şekil 5.1.2’ de bir biyolojik sinir hücresi gösterilmiştir.
Bir yapay sinir ağında girdi, gizli ve çıktı birimleri olmak üzere üç farklı
birim bulunmaktadır. Her birim bir çok sinir hücresinden oluşmakta olup, birimler
62
arasında ağırlık kümeleri ile bağlanmaktadır. Bağlanma şekli ve her kısımdaki sinir
hücresi sayısı değişebilmektedir. Aynı kısımdaki sinir hücreleri arasında iletişim
olmasına izin verilmemektedir. Sinir hücreleri girdiyi ya başlangıç girdilerinden ya
da ara bağlantılardan alırlar.
Çıktı değerleri
Gizli
tabaka
Girdi değerleri
dokunmaması gerektiğini deneyerek öğrenen çocuklar zamanla daha sıcak olan bir
cisme dokunabilme cesaretini gösterirler ve sıcak süt dolu bardağı elleriyle tutarlar.
Yani çocuk sıcaklık bilgisini öğrenmiş olmaktadır. Benzer olarak yapay nöral ağlarda
öğrenme; sunulan girdi kümesi için; transfer fonksiyonu tarafından sağlanan
değerlere cevap olarak bağlantı ağırlıklarının tamamının veya bir kısmının istenen
çıktı ile ağ çıktısı arasındaki fark belirli bir değere düşünceye kadar değiştirilmesidir.
Öğrenme algoritmaları genellikle temel olarak denetimli öğrenme, denetimsiz
öğrenme ve takviyeli öğrenme olarak üç ana gruba ayrılır. Denetimli öğrenmede sinir
ağına hem girdi hem de çıktı değerleri sunulur. Ağın ürettiği çıktı ile istenen çıktı
arasındaki fark sıfır veya sıfıra yakın bir değere gelinceye kadar ağırlıklar değiştirilir.
Denetimsiz öğrenmede ağa sadece girdi vektörü uygulanır. Girdi değerlerine uygun
bir çıktı üretilinceye kadar bağlantı ağırlıkları değiştirilir. Takviyeli öğrenme ise giriş
değerlerine karşılık gelecek uygun çıktıların elde edilmesi sırasında ağırlıkların en
uygun değerlerinin bulunması için genetik algoritmalar veya tabu en iyileme
yöntemleri kullanılır. Böylece ağırlıklar optimize edilmektedir.
Girdiler, girdi seti veya kendinden önceki tabakadaki başka bir işlem
elemanının çıktısıdır. Burada X girdi bilgilerini içeren vektör olmak üzere XT = (x1,
x2,.....xn) şeklinde ifade edilebilir. Ağırlıklar girdi seti veya kendinden önceki bir
tabakadaki başka bir işlem elemanının, bu işlem elemanı üzerindeki etkisini ifade
eden değerlerdir. Ağırlık katsayı değerlerini içeren vektör ise WT = (w1, w2,..., wn,)
ile gösterilebilir. Toplam fonksiyonu, girdiler ve ağılıkların tamamının bu işlem
elemanına etkisini hesaplayan bir fonksiyondur. Aktivasyon fonksiyonu toplam
fonksiyonun çıktısında hesaplanan değerin, 0 ve 1 arasında işlem elemanı çıktı
değerine dönüştürüldüğü fonksiyondur (Şekil 5.2.1). Çıktı, aktivasyon
fonksiyonunun sonucudur.
Her bir neurondaki ağırlık ve girdi değerleri hesaplanarak toplanır, net değer
hesaplanır;
n (5.3)
net = ∑ xi wi
i =1
67
1
E(k) = [d i (k) − y i (k)]2 = 1 d i (k) − f w iT (k)x(k) (5.4)
2 2
∂E(k) ∂y (k)
= − [d i (k) − y i (k)] i
∂w i (k) ∂w i (k) (5.5)
∂E
wi (k + 1) = wi (k ) − c
∂wi (k ) (5.6)
formülüyle hesaplanır.
Hatanın wji bağlantı ağırlıkları üzerine yayıldığı gibi, aynı şekilde vih
üzerine de yayılması gerekir. Bu sebeple vih bağlantı ağırlıklarının yenilenmesi
aşağıdaki şekilde gerçekleştirilir;
∂E
vih yeni = vih eski − η (5.7)
∂vih
∂E ∂E ∂z j ∂y i
= (5.8)
∂v ih ∂z j ∂yi ∂vih
L q
∂E
∂vih
( ) ( )
= 2 ∑ ∑ bkj − z j (− 1) f © z j w ji f © ( yi )akh
(5.9)
k =1 j =1
68
Bir problemde n tane sıralı eğitme dizisinin bulunması durumunda YSA’ nın
eğitilerek istenen sonuçların elde edilmesi aşağıdaki işlemlerin tamamlanması ile
yapılır.
Delta öğrenim algoritması hatayı minimum değere indirmeyi temel alan bir
metottur. Bu metotta ağırlık ve girdi değerleri yerine hedef çıktılar ve yeni ağırlık
farklılıkları ifade edilir. Hedef çıktı değeri (T) gerçek çıktı ve hata arasında aşağıdaki
bağıntılar vardır.
69
Burada; Xi, Oi, Ti, değerleri sırasıyla girdi, değişen çıktı, hedef çıktıdır.
Burada; E hata oranı µ ise pozitif bir değer olup öğrenme oranıdır.
şeklindedir.
şeklindedir. Burada, α(k) öğrenme oranı olarak bilinen pozitif küçük bir
sayıdır.
X 1
X 2
X 3
kullanılır ve çözüm oldukça kolay hale gelir. Ok atanan çıktı değeri, Tk İstenen çıktı
değeri ve Xk girdi değerleridir.
m n k
Oi Çıktı Değerleri
Wij Ağırlık Değerleri
Xij Girdi değerleri
N
Oi = f ∑ ( XijWij ) − Θi (5.19)
J =1
N
O(k ) = f ∑ Wj (k ) Xj (k ) (5.20)
J =0
W (k + 1) = W (k ) + µ (T (k ) − W (k ) X (k )) X (k ) 0 ≤ k ≤ N − 1 için, (5.21)
Ağırlıkların değişimi durduğu anda istenen çıktı değerine ulaşılmış olur. Bir önceki
aşama döngü içinde devam eder, ta ki istenen çıktı sağlanana kadar.
girdi vektörü ;
R=WT X (5.24)
n
O = sgn( ∑ WjXj ) (5.25)
J =1
Burada T; öğreticinin eğitimi veya hedefi, E=T-R eğitim sırasında oluşan çıktı
hatasıdır (Şekil 5.4.2.1.1).
Eğitim sırasında oluşan çıktı hatası;
74
E=T-R (5.26)
Є Aktivasyon O=wt x
fonksiyonu
Wn
E=T-R
T
Öğrenim Çıktı hata
algoritması düzenleyeci
Madaline, Adaline’ nın paralelinde çalışarak tek çıktılı bazı kuralları temel
alarak çalışmalar yapmıştır. Daha sonra Adaline-Madaline Modeli ortaya çıkmıştır.
Bu modelde iki bias bulunmakta ve ayrı ayrı iki girdi değerini aynı ağ içinde
değerlendirip tek bir çıktı almaktadır (Şekil 5.4.2.2.1).
Şekil 5.4.2.2.1 de görüldüğü üzere ayrı iki girdi değerleri için ağ mimarisi
oluşturulmuştur. Böylece farklı iki girdi değerler topluluğunu değerlendirmek
mümkün olmuştur.
W11
X
Є f
W1n Madaline Oi
X
X
W21 Є
f
X
W2n
İleri beslenmeli ağlarda bütün bağlantılar girişten çıkışa doğru bilgi akışını
temin ederler (Şekil 5.5.1).
Herhangi bir k. girdi –çıktı örnek çifti j. girdi ile i. nöron arasındaki ağırlık
değişimi;
77
ile ifade edilir. Burada Ti istenen hedef çıktı, µ öğrenme oranı ve X J ise j. ağ
girdisidir. Herhangi bir k. tabakadaki örnek çifti için ortalama hata fonksiyonu;
2
E= 1 / 2 P ∑ ∑ (T j − Oj ) (5.28)
p j
olarak tanımlanır. Burada, Tk istenen hedef çıktı, Ok ise hesaplanan çıktı, P ise eğitim
setinde bulunan gidi-çıktı çiftlerinin toplam sayısıdır (Şekil 5.6.1).
sisteminde oluşan hata değeri sıfır veya sıfıra yakın bir değer aldığında iterasyon
durdurulur. Elde edilen değerler istenen hedef çıktı değerleri ile kıyaslanır.
Öğrenmeye Başla
Dur
İşlem
tamam mı
Şekil 5.6.2. Çok Katmanlı Bir Perseptron Geri Yayılım Akış Şeması
79
6. BULGULAR
BAŞLA
VERİ GİRİŞİ
VERİ
DOSYASI KRİTERLER
BUL,OKU RANDOM BELİRLE
AĞIRLIKL
ARI ATA
TEST
İLERİ (İLERİ)
GERİ
SON
Wij
X1 Çıktı
değeri
X2
Şekil 6.1.1 YSA ile geliştirilen program için seçilen başlangıç perseptironu
∑ Ε = ∑ WijXi (6.1)
f=1/1+e-Є (6.2)
Wij(k+1)-Wij(k)=µЄ(hata)Oi(k)Xi(k) (6.5)
formülüyle hatalar ağırlıklar üzerine yayılarak iterasyon yapılmaktadır. µ ise 0,9 sabit
değer alınmıştır. Programda ağın eğitimi için eğitim seti oluşturulmuş gerçek
değerler girdilerin çarpımı şeklinde alınmış hesaplanan değerleri ise programda
hesaplatarak ikisi arasındaki fark hata olarak alınmış ve geri yayılım ile 0 değerine
yaklaşılmaya çalışılmıştır. Laboratuarda yapılan elastiklik deney sonuçlarının
değerlendirilmesi için YSA kullanılmıştır. YSA programı ile deney sonuçlarına bağlı
elastiklik modülleri tahmin edilmiş ve laboratuarda elde edilen elastiklik modülleri
YSA ağları programı ile elde edilen elastiklik modülleri ile kıyaslanmıştır (Şekil
6.1.2).
q=qb-qa
q=σ1-σ3 ε3
P=σ1+2σ3/3 ε1
q
P=Pb-Pa
p
TAHMİNİ
DEĞER
Girdiler
HATA
Kontrol
İSTENEN
ÇIKTI
Şekil 6.1.3. Geri dönüşüm uygulanması ile hata değerinin ağırlıklara atanması
Matlab programı kullanılarak elde edilen R2 değeri ile YSA ile geliştirilen
programdan elde edilen R2 değerleri kıyaslanmıştır. Eğitim ve test setleri de ayrıca
değerlendirilmiştir. Programda elde edilen değerler Matlab’de elde edilen
değerlerden daha güvenilir ve büyük R2 değerleri vermiştir. İki girdili ve iki çıktılı
bir Yapay Sinir Ağı çözümü yapılmış hem Matlab’de (Şekil 6.1.4 -6.1.5) hem de
geliştirilen programdaki sonuçlar (Şekil 6.1.6-6.1.7) kıyaslanmıştır. İki çıktıdaki E1r
ve E3r değerleri yer değiştirmeleri temsil etmektedir.
83
E1r 2
R = 0,838
1,2
0,8
Tahmin
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1 1,2
Gerçek
E3R 2
R = 0,8577
1,2
1
0,8
Tahmini
0,6
0,4
0,2
0
-0,2 -0,2 0 0,2 0,4 0,6 0,8 1 1,2
Gerçek
E1 r 2
R = 0,7865
1,2
0,8
Tahmin
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
Gerçek
E3 r 2
R = 0,2949
1,2
0,8
Tahmin
0,6
0,4
0,2
0
-0,1 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7
Gerçek
E1r R2 = 0,8722
1,2
1
Tahmini
0,8
0,6
0,4
0,2
0
0 0,5 1 1,5
Gerçek
E3R 2
R = 0,8483
1,2
1
0,8
0,6
0,4
0,2
0
-0,2 -0,2 0 0,2 0,4 0,6 0,8 1 1,2
2
E1R R = 0,7786
1
0,8
Tahmini
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
Gerçek
E3R 2
R = 0,6658
0,6
0,5
0,4
Tahmini
0,3
0,2
0,1
0
-0,2 0 0,2 0,4 0,6 0,8
Gerçek
15 cm.
q=700 kPa
PROGRAMLAR d1 d2 d3 d4 d5 d6 d7
Ölçülen(µm) 700 474 272 170 121 93 75
Yeni Program(µm) 703 477 277 173 123 93 75
Ara mesafeler(µm) 30 30 30 30 30 30
1600
1400 defleksiyonlar
yeni
Ölçülen 1200
1000
800
600
400
200
0
180 150 120 90 60 30 0
Ara mesafeler
16 cm.
q=500 kPa
d1 d2 d3 d4 d5 d6 d7
Defleksiyonlar (µm) 509.2 480.61 438.26 385.81 335.96 299.09 279.81
(SDUFEM)
Defleksiyonlar (µm) 518 489 447 394 342 300 280
(SDUFEM Yeni)
Ara mesafeler (cm) 20 20 20 20 20 20
90
1200
Yeni
1000
Saltan defleksiyonlar
800
600
400
200
0
120 100 80 60 40 20 0
Ara mesafeler
7. TARTIŞMA VE SONUÇ
Sonlu eleman çözümünde, her üstyapı tabakası için farklı elastisite modülü
değeri ve poisson oranı hesaplamak mümkündür. Gelecekteki çalışmalarda poisson
oranı değerleri için modern yöntemleri de kullanılarak yeni bir geri-hesaplama
algoritması geliştirilip, elastisite modülü ile birlikte poisson oranı da
gerihesaplanabilir. Bunun yanında, ileriki çalışmalarda modern yöntemler (Genetik
algoritmalar, Bulanık mantık, YSA) ele alınarak, FWD ile elde edilen defleksiyon
verilerinin yorumlanmasında daha gerçekçi sonuçlar elde edilebilecektir., Özellikle
Bulanık Mantık-YSA birleşik algoritması, Sonlu elemanlar yöntemine adapte
edilmek suretiyle üstyapıların davranışı daha gerçekçi olarak modellenebilecektir.
92
KAYNAKLAR
AASHTO, 1996, Standard Specifications for Highway Bridges, with 2000 Interims,
American Association of State Highway and Transportation Officials, Fifteenth
Edition,Washington, D.C., USA, 686 p.
Alexander, D.R., 1990. “In situ material characterization for pavement evaluation
using surface wave techniques” Third international conference on Bearing Capacity
of Roads and Airfields, Vol. 1, Trondheim, Norway.
Ahmad, Z., "Improving the Solution of the Inverse Kinematic Problem in Robotics
Using Neural Networks", Journal of Neural Network Computing, Vol. 1 Num. 4,
Spring 1990.
Brown, Robert J., "An Artificial Neural Network Experiment", Dr. Dobbs Journal,
April 1987.
Christopher, B. R., Gill, S. A., Giroud, J. P., Juran, I., Mitchell, J. K., Schlosser, F.,
and Dunnicliff, J., 1990, Reinforced Soil Structures, Vol. 1, Design and Construction
Guidelines, Report to Federal Highway Administration, No. FHWA-RD-89-043.
Culoch, W.S., Pitts, W.A.A logical Calculus of The Ideas immanent in nervous
activity. Bull. Math. Biophysics. Vol. 5, 1943.
Horikawa S.,Furuhashi T., Uchikawa Y., On fuzzy modeling using fuzzy neural
networks with back-propagation algorithm, IEEE Trans.Neural Networks (1992)
Hossain, M., Zaniewski, J., Rajan, S., “Estimation of pavement layer moduli using
non-linear optimisation technique”, Journal of Transportation Engineering, ASCE,
Vol.120, no.3, USA, pp. 376-393, 1994.
Mahoney J. P., D.T Phillips, The Texas Rehabilitation and Maintenance District
Optimization System, Texas A&M University,1978
Mendel Jerry M. “Uncertain Rule Based Fuzzy Logic Systems” Introduction and
New Directions Üniversity of Souther California, Los Angeles, CA.
Saltan, M., Tığdemir, M., Karaşahin, M., “Artificial Neural Network Application for
Flexible Pavement Thickness Modeling”, Turkish Journal of Engineering and
Environmental Sciences, 26(2002), 243-248.
Saltan, M., Tığdemir, M., Saltan, S., “Structural Analysis of Flexible Pavement
Using Artificial Neural Network”, Jour.Inst.Maths.&Comp. Sciences,
(Comp.Sc.Ser.), Vol. 11, No.1 (2000), 25-35.
Ullidtz, P., “Pavement Analysis”, Elsevier Science Publishing Company Inc., USA,
1987.
Owen, D.R.J., Hinton, E., “Finite Elements in Plasticity: Theory and Practice”,
Pineridge Press Limited, Swansea, U.K., 1980.
Yoder E.S, Witczak M.W. Priciples of Pavement Design. New York: Wiley; 1975
95
“Improved Guidance for users of the 1993 AASHTO Flexible Pavement Design
Procedures.” 1993. Internatıonal Society Asphalt Pavement (ISAP).
EK 1
H sezgin eğitim
DIMENSION X(50,50),WX(100),EX(50),FX(50),EWX(100)
DIMENSION EX1(50,50),XX(50),HATA(50),EXX(50)
DIMENSION HAT(10),HAT1(10),HAT2(10)
INTEGER P,S,Y,Z,T,Q,D,G,V,VS,R,U
READ(2,5) N,M,K,Q,U
5 FORMAT (5I5)
WRITE(3,6) N,M
6 FORMAT(2X,'GIRDI DEGER˜ =',I5,2X,'G˜ZL˜ TABAKA =',I5)
WRITE(3,67) K,Q
67 FORMAT(2X,'€IKTI DEGER˜ =',I5,2X,'TOPLAM G˜RD˜ =',I5)
C=1.
P=(N*M)+(M*K)
S=(M*N)
Z=M+K
V=(M*K)
EPS=2.71828
97
EMU=0.9
IT=0
DO 56 I=1,K
HAT(I)=0.
HAT1(I)=0.
56 HAT2(I)=0.
WRITE(3,4)
4 FORMAT(2X,/' G˜RD˜ DEGERLER˜ '/'---------------------------')
DO 8 J=1,Q
DO 8 I=1,N
8 READ(2,7) X(I,J)
7 FORMAT(F10.5)
DO 61 J=1,Q
DO 61 I=1,K
61 READ(2,62) EX1(I,J)
62 FORMAT(F10.5)
DO 9 J=1,P
9 READ(2,11) WX(J)
11 FORMAT(F10.5)
DO 63 I=1,N
63 XX(I)=0.
DO 64 J=1,Q
DO 64 I=1,N
IF(XX(I).LT.X(I,J)) XX(I)=X(I,J)
64 CONTINUE
DO 65 J=1,Q
DO 65 I=1,N
65 X(I,J)=X(I,J)/XX(I)
WRITE(3,66) ((X(I,J),I=1,N),J=1,Q)
66 FORMAT(2X,2F10.5)
WRITE(3,41)
98
41 FORMAT(2X,'---------------------------')
DO 68 I=1,K
68 EXX(I)=0.
DO 69 J=1,Q
DO 69 I=1,K
69 IF(EXX(I).LT.EX1(I,J)) EXX(I)=EX1(I,J)
DO 70 J=1,Q
DO 70 I=1,K
70 EX1(I,J)=ABS(EX1(I,J))/EXX(I)
WRITE(3,71) ((EX1(I,J),I=1,K),J=1,Q)
71 FORMAT(2X,2F10.5)
WRITE(3,42)
42 FORMAT(2X,'---------------------------')
DO 2222 R=1,U
DO 888 D=1,Q
C=1.
8999 DO 10 I=1,Z
10 EX(I)=0.0
Y=1
T=0
DO 13 L=1,M
T=T+1
DO 13 J=1,N
EX(T)=EX(T)+WX(Y)*X(J,D)
FX(T)=(1/(1+EPS**(-(EX(T)))))
13 Y=Y+1
G=0
DO 15 L=1,K
DO 16 I=1,M
G=G+1
16 EX(T+L)=EX(T+L)+(FX(I)*WX(S+G))
99
15 FX(T+L)=(1/(1+(EPS**(-(EX(T+L))))))
DO 172,I=1,Z
172 WRITE(*,171) FX(I),EX(I)
171 FORMAT(2F10.5)
DO 17 L=1,K
17 HATA(L)=ABS(EX1(L,D)-FX(T+L))
ENBY=0.
DO 192 L=1,K
192 FX(Z-K+L)=EX1(L,D)
DO 18 L=1,K
18 IF(ENBY.LT.HATA(L)) ENBY=HATA(L)
C DO 181 L=1,K
C 181 WRITE(*,182) HATA(L),ENBY
C 182 FORMAT(2E15.7)
711 FORMAT(2F10.5)
WRITE(3,80)
80 FORMAT(2X,' A¦IRLIK DE¦ERLER˜ '/'------------------------------')
DO 36 I=1,P
WX(I)=ABS(EWX(I))
36 WRITE(3,78) WX(I)
78 FORMAT(F15.7)
WRITE(3,79)
79 FORMAT('--------------------------------')
WRITE(3,52)
52 FORMAT(2X,' EX DEGER˜ FX DEGER˜ '/'---------------------------')
DO 53 I=1,Z
53 WRITE(3,54) EX(I),FX(I)
54 FORMAT(2F15.7)
888 CONTINUE
2222 CONTINUE
STOP
END
C ALT PROGRAM
SUBROUTINE GERI (N,M,K,WX,EX,FX,EWX,C,ENBY)
DIMENSION WX(40),EX(40),FX(40),EWX(40)
INTEGER P,S,Z,Y,T,Q,D,G,V,VS,R
Z=M+K
P=(N*M)+(M*K)
S=(M*N)
V=(M*K)
EMU=0.9
DO 29 I=1,P
29 EWX(I)=0.
VS=0
101
DO 30 J=1,K
DO 30 I=1,M
VS=VS+1
EWX(S+VS)=(WX(S+VS))-((EMU*ENBY*EX(M+J)*FX(M+J)))
30 WRITE(*,301) EWX(S+VS),WX(S+VS)
301 FORMAT(2F10.7)
T=0
Y=1
DO 32 J=1,S,N
T=T+1
DO 32 L=1,M
EWX(Y)=WX(Y)-(EMU*ENBY*EX(T)*FX(T))
32 Y=Y+1
C=C+1.
RETURN
END
Hsezgin test
DIMENSION X(50,50),WX(100),EX(50),FX(50),EWX(100)
DIMENSION EX1(50,50),XX(50),HATA(50),EXX(50)
DIMENSION HAT(10),HAT1(10),HAT2(10)
INTEGER P,S,Y,Z,T,Q,D,G,V,VS,R,U
READ(2,5) N,M,K,Q
5 FORMAT (4I5)
WRITE(3,6) N,M
6 FORMAT(2X,'GIRDI DEGER˜ =',I5,2X,'G˜ZL˜ TABAKA =',I5)
WRITE(3,67) K,Q
67 FORMAT(2X,'€IKTI DEGER˜ =',I5,2X,'TOPLAM G˜RD˜ =',I5)
C=1.
P=(N*M)+(M*K)
S=(M*N)
Z=M+K
V=(M*K)
EPS=2.71828
EMU=0.9
IT=0
DO 56 I=1,K
HAT(I)=0.
HAT1(I)=0.
56 HAT2(I)=0.
WRITE(3,4)
4 FORMAT(2X,/' G˜RD˜ DEGERLER˜ '/'---------------------------')
DO 8 J=1,Q
DO 8 I=1,N
8 READ(2,7) X(I,J)
7 FORMAT(F10.5)
DO 61 J=1,Q
DO 61 I=1,K
103
61 READ(2,62) EX1(I,J)
62 FORMAT(F10.5)
DO 9 J=1,P
9 READ(2,11) WX(J)
11 FORMAT(F10.5)
DO 63 I=1,N
63 XX(I)=0.
DO 64 J=1,Q
DO 64 I=1,N
IF(XX(I).LT.X(I,J)) XX(I)=X(I,J)
64 CONTINUE
DO 65 J=1,Q
DO 65 I=1,N
65 X(I,J)=X(I,J)/XX(I)
WRITE(3,66) ((X(I,J),I=1,N),J=1,Q)
66 FORMAT(2X,2F10.5)
WRITE(3,41)
41 FORMAT(2X,'---------------------------')
DO 68 I=1,K
68 EXX(I)=0.
DO 69 J=1,Q
DO 69 I=1,K
69 IF(EXX(I).LT.EX1(I,J)) EXX(I)=EX1(I,J)
DO 70 J=1,Q
DO 70 I=1,K
70 EX1(I,J)=ABS(EX1(I,J))/EXX(I)
WRITE(3,71) ((EX1(I,J),I=1,K),J=1,Q)
71 FORMAT(2X,2F10.5)
WRITE(3,42)
42 FORMAT(2X,'---------------------------')
104
DO 888 D=1,Q
C=1.
DO 10 I=1,Z
10 EX(I)=0.0
Y=1
T=0
DO 13 L=1,M
T=T+1
DO 13 J=1,N
EX(T)=EX(T)+WX(Y)*X(J,D)
FX(T)=(1/(1+EPS**(-(EX(T)))))
13 Y=Y+1
G=0
DO 15 L=1,K
DO 16 I=1,M
G=G+1
16 EX(T+L)=EX(T+L)+(FX(I)*WX(S+G))
15 FX(T+L)=(1/(1+(EPS**(-(EX(T+L))))))
DO 192 L=1,K
192 FX(Z-K+L)=EX1(L,D)
WRITE(3,80)
80 FORMAT(2X,' A¦IRLIK DE¦ERLER˜ '/'------------------------------')
36 WRITE(3,78) WX(I)
78 FORMAT(F15.7)
WRITE(3,79)
79 FORMAT('--------------------------------')
WRITE(3,52)
52 FORMAT(2X,' EX DEGER˜ FX DEGER˜ '/'---------------------------')
DO 53 I=1,Z
105
53 WRITE(3,54) EX(I),FX(I)
54 FORMAT(2F15.7)
888 CONTINUE
STOP
END
Üst kısımda bulunan değerler sırasıyla girdi, gizli, çıktı tabaka sayısı, girdi
adedi ve iterasyon sayısını göstermektedir. Alt kısımda ise yine sırasıyla girdi
değerleri ve ağırlıklar girilmiştir.