Adaptif çoklu tehlike modellemesi yağmur kaynaklı baraj arızasını tahmin ediyor: bir vaka çalışması

Baraj yakınında yaşayan insanlar için bunun önemi

Dünya genelinde birçok büyük baraj hâlâ inşa aşamasında veya daha fazla su depolamak için yükseltiliyor. Bu tamamlanmamış aşamalarda yapılar, özellikle yoğun yağış mevsimlerinde beklenenden daha kırılgan olabilir. Bu çalışma, tam bir rezervuarı tutmadan önce ciddi eğim hasarı gören Etiyopya’daki bir barajı inceliyor ve bu tür sorunları haftalar öncesinden tahmin etmenin yeni bir yolunu sunuyor. Yaklaşım, mühendislerin çatlaklar ve kaymalar ortaya çıktıktan sonra tepki vermekten, insanları ve aşağı yöndeki altyapıyı tehdit etmeden önce önlem almaya geçmesine yardımcı olabilir.

Yağmur, zayıf zemin ve savunmasız bir yapı

Kuzey Etiyopya’daki Megech Barajı, katman katman kil ve kaya kullanılarak inşa edilmiş bir toprak-dolgu barajdır; yani katı beton yerine dolgu malzemesiyle oluşturulmuştur. Finansman ve inşaattaki gecikmeler, barajı birkaç yıl boyunca kısmen tamamlanmamış bıraktı; nehrin geçmesine izin veren büyük bir açıklık hâlâ mevcuttu. Bu durumda barajın eğimleri açıkta, drenajı eksik ve hâlâ tam bir rezervuarla korunmamış dolgu katmanları vardı. 2020 ve 2021’deki olağanüstü yoğun yağışlar yapıyı üstten ve alttan ıslattı, kil çekirdeği ve temel doygun hale geldi. Su, yukarı havzalarda birikti, çatlaklar boyunca sızdı ve baraj içinde zamanla zayıflayan bir bandı doyurarak gerilim çatlaklarına, yüzey kaymalarına ve hatta 24 metre derinliğinde bir bloke malzemenin aşağı doğru kaymasına yol açtı.

Barajın üç boyutlu içini görmek

Bu hasarların neden meydana geldiğini anlamak için araştırmacılar önce barajı bilgisayarda ayrıntılı olarak yeniden inşa ettiler. Tasarım çizimleri, ölçüm noktaları ve saha incelemelerini birleştirerek vadinin, temel zeminin ve kısmen tamamlanmış dolgunun üç boyutlu dijital bir topografyasını oluşturdular. Kil ve kaya numuneleri üzerinde yapılan laboratuvar testleri, farklı bölgelerin ne kadar dayanıklı, yoğun veya geçirgen olduğunu ortaya koydu. Bu özellikleri baraj boyunca haritalandırarak, yüksek kil içeriği, daha geçirgen cepler ve güçlü şişme potansiyelinin gözlenen çatlaklar ve kaymalarla örtüştüğü özellikle savunmasız bir bant tespit ettiler. İleri sayısal modeller daha sonra yağmur suyunun baraj boyunca nasıl hareket ettiğini, gözenek suyu basıncının derinde nasıl biriktiğini ve yapı doyduğunda iç gerilmelerin nasıl değiştiğini simüle etti.

Modeli hem fizik hem veriden öğrenmeye öğretmek

Geleneksel bilgisayar simülasyonları çok doğru olabilir, ancak yeni izleme verileri geldikçe her hafta çalıştırmak için çok yavaş ve emek yoğun olurlar. Saf veri odaklı araçlar, standart sinir ağları gibi, daha hızlı olabilir ama alttaki fizikleri kaçırma eğilimindedir ve yalnızca birkaç yıllık ölçüm olduğunda zorlanırlar. Bu nedenle ekip her iki yaklaşımın güçlü yönlerini birleştiren hibrit bir sistem geliştirdi. Birinci kısım, sonlu eleman yöntemi tabanlı, farklı su koşullarında barajın fiziksel davranışını yakalayarak gerilme, deformasyon ve iç su basıncı haritaları üretiyor. İkinci kısım, zamana bağlı değişimleri izlemek üzere tasarlanmış tekrarlayan bir sinir ağı, gözenek basıncı ve hareketlerin hafta hafta nasıl geliştiğini öğreniyor. Üçüncü kısım daha basit bir sinir ağı olup zeminin gerildiğinde ve ıslak kaldığında dayanımının nasıl kademeli olarak azaldığını öğreniyor. Bir "attention" (dikkat) mekanizması yaklaşan bir kararsızlık için en önemli olan geçmiş haftaları vurguluyor ve böylece tahminleri mühendisler için daha şeffaf hale getiriyor.

Sorunu haftalar önceden görmek

Hibrit model, Megech Barajı’ndan elde edilen iki yıllık haftalık izleme verileriyle eğitildi ve test edildi—bunlar arasında yağış, iç su basınçları ve zemin hareketleri—ve ayrıca barajın durumunun fizik tabanlı betimlemeleri vardı. Destek vektör makineleri, rastgele ormanlar veya tek başına bir sinir ağı gibi yaygın makine öğrenmesi yaklaşımlarıyla karşılaştırıldığında, yeni çerçeve barajın güvenlik faktörini daha doğru ve en önemlisi daha erken tahmin etti. Ağır yağış mevsimleri ilerledikçe kararlılıktaki düşüş eğilimini tespit edebildi ve kritik koşullara ulaşılmadan yaklaşık üç buçuk haftaya kadar güvenilir uyarılar verdi. Dikkat bileşeni, mühendislerin daha sonra sahada en tehlikeli olarak tanımladığı aynı dönemleri otomatik olarak işaretledi; bu da modelin rastgele desenler yerine anlamlı öncülleri öğrendiğini doğruladı.

Baraj güvenliği için bunun anlamı

Basit ifadeyle çalışma, fizik tabanlı simülasyonları modern öğrenme algoritmalarıyla harmanlamanın, dağınık izleme verilerini inşaat aşamasındaki toprak barajlarda yağmur kaynaklı arızalar için bir erken uyarı sistemine dönüştürebileceğini gösteriyor. Suyun yavaşça nasıl sızdığını, iç basınçların nasıl biriktiğini ve zeminin nasıl kademeli olarak dayanım kaybettiğini yakalayarak bu çerçeve mühendislerin görünür çatlaklar ve kaymalar ortaya çıkmadan önce gizli zayıflıkları görmesine yardımcı oluyor. Tek bir baraj üzerinde gösterilmiş olsa da, yöntem diğer projelere uyarlanabilir şekilde tasarlanmıştır ve en savunmasız dönemlerinde baraj güvenliğinin daha proaktif, iklim farkındalıklı yönetimine doğru bir yol sunar.

Atıf: Nasser, M., Assefa, E., Assefa, S.M. et al. Adaptive multihazard modeling predicts rainfall-driven dam failure: a case study. Sci Rep 16, 11012 (2026). https://doi.org/10.1038/s41598-026-36927-y

Anahtar kelimeler: baraj güvenliği, yağmur kaynaklı heyelanlar, erken uyarı sistemleri, fizik-bilgili yapay zeka, toprak-dolgu barajlar