Zayıf Kayalarda Tünel Beton Kaplamaları için Yapay Zekâ Destekli Güvenilirlik Tabanlı Tasarım Çerçevesi

Belirsiz Zeminde Daha Güvenli Tüneller

Tüneller trenleri, otomobilleri, suyu ve elektriği dağların ve şehirlerin içinden taşır; ancak kazıldıkları kaya hiçbir zaman tamamen bilinir değildir. Zayıf veya parçalanmış kayalarda tasarımcılar, zeminin gerçekten ne kadar dayanıklı olduğunu ve tünelin sıkışmasını önlemek için ne kadar beton kaplama gerektiğini tahmin etmek zorunda kalır. Bu çalışma, klasik kaya mekaniğini, olasılık teorisini ve modern yapay zekâyı birleştirerek bu kestirimleri daha açık, risk tabanlı bir tasarıma dönüştürmenin ve zorlu zeminde daha güvenli ve ekonomik tüneller elde etmenin yollarını gösteriyor.

Tünel Tasarımını Bu Kadar Zor Yapan Nedir?

Mühendisler bir tünel tasarlarken beton kaplamanın ne kadar kalın olması gerektiğine ve hangi kalitede beton kullanılacağına karar vermelidir. Geleneksel “deterministik” tasarım, kaya dayanımı, zemin gerilmesi ve malzeme özellikleri için tek bir en iyi değeri varsayar ve sonra kaplamanın yeterince dayanıklı olup olmadığını bir emniyet katsayısı ile kontrol eder. Oysa gerçek kaya değişkendir: dayanım, rijitlik ve yapı metre metre değişebilir. Bu değişkenliği görmezden gelmek tasarımı ya fazla iyimser (güvensiz) ya da gereğinden ağır (fazla maliyetli) kılabilir. Buna karşılık olasılıksal (probabilistik) tasarım, her bir ana özelliği olasılık dağılımı ile bir aralık olarak ele alır ve kaplamanın başarısız olma olasılığını tahmin eder. Bu makale, belirsizliğin en çok önem kazandığı zayıf kayalardaki tünel kaplamalarına bu risk temelli yaklaşımı uyguluyor.

Kayayı, Kaplamayı ve Zemin Hareketini Bağlamak

Çerçevenin kalbinde, dairesel bir tünelin etrafındaki kayanın nasıl deform olduğu (konvergens) ile kaplamanın ne kadar güçlü şekilde direnç gösterdiğini (konfinman) bağlayan konvergens–konfinman yöntemi bulunur. Kaya, kırıklı kaya kütleleri için yaygın kullanılan bir kayma/gevşeme kuralları ile tanımlanırken, beton kaplama kırılma dayanımına kadar elastik kabul edilir. İki eğri oluşturulur: biri tünel açıldıkça kayanın nasıl tepki verdiğini, diğeri kaplama yüklendikçe nasıl direnç gösterdiğini gösterir. Bu iki eğrinin kesişimi kaplamadaki basıncı ve basınç tabanlı bir emniyet katsayısını verir. Bu çalışmada yerinde gerilim, kaya dayanımı, kaya kalite indeksi, tünel yarıçapı, kaplama rijitliği, kaplama dayanımı ve kaplama kalınlığı gibi her kontrol edici nicelik rastgele değişken olarak modellenir. Binlerce Monte Carlo örneği ve iyi kurulmuş bir güvenilirlik yöntemi (FORM) kullanılarak yazarlar her tasarım için hem bir emniyet katsayısı hem de açık bir başarısızlık olasılığı hesaplar.

Bir Yapay Zekâyı Tünel Güvenliğini Tahmin Etmesi İçin Eğitmek

Birçok tasarım seçeneği için tam olasılıksal simülasyonlar çalıştırmak yavaş olabilir. Bunu aşmak için yazarlar, kapalı biçimli bir denklem üreten sembolik regresyon türü olan gen ifadesi programlaması kullanarak bir yapay zekâ vekil modeli (surrogate) eğitirler. Elektronik tablo tabanlı güvenilirlik motorlarından büyük veri kümeleri üretir ve sonra sekiz ana girdi—tünel boyutu, kaya özellikleri ve kaplama özellikleri de dahil—kullanarak basınç tabanlı emniyet katsayısını tahmin eden kompakt bir formül geliştirirler. Son denklem olasılıksal sonuçları son derece iyi izler; korelasyon 0,99’un üzerindedir ve hafifçe muhafazakârdır: tam simülasyonların ortalamasından biraz daha düşük bir emniyet katsayısı tahmin etme eğilimindedir. Bu önyargı, aşırı güvenli tahminlerden kaçınarak güvenlik odaklı tasarımda aslında faydalıdır ve mühendislerin birçok kombinasyonu hızla keşfetmesine olanak verir.

Kalınlık ve Beton Kalitesi Gerçekte Ne Yapar?

Bu birleşik çerçeveyi kullanarak çalışma, kaplama kalınlığı ve malzeme kalitesindeki değişikliklerin zayıf kayalardaki tünel güvenliğini nasıl etkilediğini inceler. İki beton tipi ele alınır: yaklaşık 20 MPa dayanımlı geleneksel beton ve yaklaşık 65 MPa civarında çok daha yüksek dayanımlı lif takviyeli reaktif toz beton (FRPC). Düşük dayanımlı beton ve küçük kalınlıklarda başarısızlık olasılığı yüzde 60’ın üzerine çıkabilir; kalınlık 200 mm civarına ve üzerine çıktıkça bu olasılık sıfıra doğru düşer. Yüksek dayanımlı FRPC için ise nispeten ince kaplamalar bile çok düşük başarısızlık olasılıkları sağlar ve orta kalınlıklar sıkı güvenilirlik hedeflerine ulaşmak için yeterlidir. Sonuçlar, tasarımcılara tek bir sabit emniyet katsayısına güvenmek yerine kalınlık ve dayanımı doğrudan güvenilirlik indeksleri ve başarısızlık olasılıklarına bağlayan grafikler ve ısı haritaları biçiminde açık görsel kılavuz sunar.

Emniyet Katsayılarını Risk Tabanlı Kararlara Çevirmek

Bir uzman olmayan için ana mesaj, tek başına bir emniyet katsayısının tünel güvenliğinin tam bir ölçütü olmadığıdır. Bu çalışma, geleneksel emniyet katsayıları ile açık başarısızlık olasılıkları arasında nasıl çeviri yapılacağını ve kaplama kalınlığı ile malzeme kalitesinin, genel bir kural yerine seçilmiş bir risk hedefini yakalamak üzere nasıl seçileceğini gösterir. Yorumlanabilir bir yapay zekâ modelini şeffaf bir güvenilirlik motoruna gömerek yazarlar, özellikle zayıf ve öngörülemeyen kayalarda hem daha güvenli hem de daha ekonomik tünel kaplamaları tasarlamak için pratik bir yol gösterir. Tahmin ve gereksiz aşırı tasarımla uğraşmak yerine mühendisler artık daha kalın bir kaplama, FRPC gibi daha güçlü bir beton ya da her ikisini seçtiklerinde riskin ne kadar azaldığını nicelendirerek tünel tasarımını modern, veriyle desteklenen risk yönetimine yaklaştırabilir.

Atıf: Khani, J., Nejati, H.R., Goshtasbi, K. et al. AI-assisted reliability-based design framework for tunnel concrete linings in weak rocks. Sci Rep 16, 14270 (2026). https://doi.org/10.1038/s41598-026-44903-9

Anahtar kelimeler: tünel kaplaması, zayıf kaya, güvenilirlik tabanlı tasarım, beton kalınlığı, yapay zekâ