Bu tədqiqat, sahilboyudaki yumşaq siltli qrunte yerleştirilən çevik svayların təkrarləsasn yəsasl yüklər altında azalan dpeyəndma tutumunin, yükləmənin yalnızca erken bölümünden əldə edilən məhdud məlumatlarle proqnoz edilip ediləmeyeceğini araşdırmaktadır. Araşdırmacılar; açık və qapalı uclu model svayları 0,5, 1, 2 və 4 Hz tezliklarında 8.000 çevrime kadar iki istiqamətli yəsasl yüklemiş, sekiz təcrübə məlumat dəsti oluşturmuş və bu məlumatlari Reptile meta-öyrənmə üsuluyle eğitilən iki istiqamətli əks-səda-vəziyyət dərin şəbəkəsina aktarmıştır. Önerilən Meta-ESN, hədəf təcrübəin yalnızca ilk 100 çevrimini, yani tüm 8.000 dövrlük serinin 1/80'ini kullanırken bilə dpeyəndma tutumunin uzunmüddətli dəyişiklikini əsas müqayisə modellərinden daha aşşəbəkəı xətayla yeniden yaratmışdır. Bununla belə nəticələr laboratoriya miqyaslı, belirli bir siltli qrunt, iki svay ucu tipi və düzenli harmonik yükləmə şərtlərıyla məhduddur; model henüz gerçek bir sahilboyu strukturunda saha məlumatlariyle təsdiqlənməmişdir.

Modelin əsas öğrenicisi olan iki istiqamətli əks-səda-vəziyyət dərin şəbəkəsi (Bi-ESDN), tek görəvli müqayisəda test məlumatsi üzərində 13,90 × 10^-7 ortalama qare xəta elde etmiştir. Aynı ölçüt standart ESN üçün 322,39 × 10^-7, RNN üçün 2.052,38 × 10^-7, LSTM üçün 371,81 × 10^-7 və Transformer üçün 80,14 × 10^-7 kimi bildirilmişdir. Reptile ilə əvvəlden eğitilən model, ilk 100 çevrim kullanıldığında 2,63 × 10^-5 MSE üretmiş; bu dəyər Merge üsulunin təxminən 1/17'si, sıfırdan eğitilən Vanilla üsulunin isə təxminən 1/8'i düzeyinde qalmışdır.

Tədqiqat, erken dəhəmiyyətde ölçülən yükləmə və yerdəyişmə örüntülerinin svay-qrunt dumantemindeki ilərleyen sərtlik itkisi hakkında bilgi tpeyəndyabiləceğini göstərir. Meta-öyrənmənin töhfəsi, tek bir təcrübə şərtunu ezberlemek yerine fərqli yükləmə tezlikları və svay ucu tiplerinden ortak zaman örüntülerini öğrenerek yeni bir şərta az sayıda ölçməle uyum sşəbəkəlamaktır.

Türkiye açistilikndan üsul; liman qurğuları, sahilboyu tedumanleri və açıq dəniz enerji qurğularındaki svay təməllərinin durum izləməe dumantemleri üçün araşdırmaya dəyər bir yaklpeyəndm təqdim edir. Lakin modelin Türkiye'deki qrunt profillerine və ya gerçek strukturlara birbaşa aktarılması mümkün değildir. Yerel qrunt tabakalaşması, svay geometrisi, dalğa və külək yükleri, yuyulma, düşey yükler, sensor xüsusiləri və saha səs-küysü istifadə edilərək yeniden eğitilmesi və bşəbəkəımsız sahə məlumatı üzərində doğrulanması lazımdır.

Araşdırmanın əsas problemi nedir?

Kıyı və açıq dəniz qurğularındaki svay təməlləri, külək, dalğa və axınların oluşturduğu tekrarlı yəsasl qüvvələre maruz kalmaktadır. Bu yükler svay çevresindeki qrunti tekrar tekrar bozarak svay-qrunt dumanteminin rijitliğini və yəsasl yük dpeyəndma tutumuni zaman üçünde azaltabilir. Histərezis əyrilərinin giderek aşşəbəkəı doğru eğilmesi və başlanğıc eğimlerinin küçülmesi, eyni yerdəyişməyi üretmək üçün gereken yəsasl qüvvəin azaldığını göstərir.

Gerçek bir strukturnın tutum itkisinı birbaşa saha izləməesiyle müəyyən etmək inamılir olmakla birlikte uzunmüddətli məlumat, sensor infrastruktursı və xərc gerektirir. Sayısal əsaslizler daha iqtisadi olabilir; lakin ayrıntılı svay-qrunt modellərinin məzənnəulması, hesaplanması və gerçek davranışla doğrulanması da güçtür. Laboratuvar model təcrübələri nəzarətlü məlumat üretir, lakin her olası qrunt, yük və svay şərtu üçün ayrı təcrübə yapmak pratik değildir.

Araşdırmacıların çözmek istediği problem, yeni bir işləmə şərtinda yalnızca ilk birkaç çevrimden topləsasn məlumatlarle bütün uzunmüddətli tutum itkisinı proqnoz edebilən və daha əvvəl görülmeyen görəvləre sürətla uyarləsasbilən bir surroqat model geliştirmektir.

Önerilən erkən xəbərdarlıq dumantemi nasıl tədqiqatktadır?

Tədqiqatın ilk şeması, laboratoriya və saha arasında məzənnəulması amaçləsasn informasiya axınını göstərir. Laboratuvar model svay təcrübələri fərqli şərtlərda tutum itkisi məlumatlari üretməkte, bu məlumat dəstləri meta-öyrənmə çərçivəsini eğitmekte və ortaya genel bir yəsasl tutum proqnoz modeli çıkmaktadır. Amaç, gələcəkte gerçek bir sahilboyu kazığından alınacak erken dövri uyarım məlumatlarini bu modele aktararak kazığın ilərleyen tutum dəyişiklikini öngörmektir.

Bu tədqiqat söz konusu müddətcin laboratoriya təcrübələri və hesablamalı modelləşdirmə bölümünü sınamaktadır. Gerçek sahilboyu svaylarından alınmış bşəbəkəımsız saha izləməe məlumatlariyle gerçekleştirilən son doğrulama tədqiqatda mövcud deyil.

Model svay və prototip arasındaki miqyas nasıl məzənnəulmuştur?

Araşdırmada, yumuşak sahilboyu qrunti şərtlərindəki polad boru svay esas alınmış və prototip ilə model arasında 20:1 həndəsi oxşarlıq nisbəti istifadə edilmişdir. Model kazığın çapı, gömülmə dərinliyi və toplam uzunluğu bu nisbəta görə küçültülmüştür. Duvar kalınlığı isə yalnızca həndəsi miqyasle değil, prototip və model kazığın kritik uzunluq nisbətları ilə eğilme xüsusilərinin eşleşmesi gözetilərek 1,50 mm kimi müəyyən edilmişdir.

Araşdırmacılar eyni gövdə xüsusilərine sahip iki model svay hazırlamıştır. Kazıklardan biri açıq uclu, diğeri qapalı ucludur. Böylece svay ucu şərtunun dövri yəsasl tutum itkisina etkisi ayrı bir görəv değişkeni kimi məlumat dəstine dâhil edilmiştir.

Deney haznesindeki sərhəd təsiri nasıl nəzarət edilmiştir?

Model haznesi 900 × 700 × 700 mm boyutlarında hazırlanmışdır. Kazık ilə yatay hazne sınırı arasındaki mesafe svay çapının təxminən 9,5 katı, svay ucu çevresindeki nəzarət mesafesi isə ilgili litəratürde məlumatlen alt sınırların üzərində tutulmuştur. Tədqiqat bu geometriden hareketle yatay və düşey sınır etgilərinin nəticələr üzərində ihmal ediləbilir olduğunu kabul etmektedir.

Bu dəyərləndirmə həndəsi mesafe ölçütlerine dayanmaktadır. Tədqiqatda eyni təcrübəin daha böyük bir haznede tekrarlanması və ya sərhəd təsirinin birbaşa ölçülmesi yoluyla strukturlmış ek bir həssaslıq testi məlumatlməmişdir.

Siltli qrunt nasıl hazırlanmışdır?

Deney qrunti, Wenzhou'daki Oufei Project sahasında səthin təxminən 1 metre altından alınan axışkan durumdaki siltli qruntdir. Başlangıçtaki qruntin özgül şəbəkəırlığı 2,72; sıxlığı 1,62 g/cm³; likit limiti %55,53; plastik limiti %22,47 və plastiklik indisi %33,06 kimi ölçülmüşdür.

Kazıkların yerleştirilmesinden əvvəl qrunte 22 gün müddətyle vakuum ön yükləmə tətbiq edilmişdir. Hazneye iki adet 550 mm etgili uzunluğa sahip prefabrik şaquli dren yerleştirilmiş; drenler vakum şişesi və pompaya bşəbəkəlanmıştır. Boşluk suyu basıncı və qrunt basıncı fiber Bragg qəfəsli mikro-piezometrler və təzyiq sensorlarıyle, oturma isə 400 və 600 mm derinliklerdeki plakalarla izlenmiştir.

İlk gün ölçmələr iki saatte bir, sonraxın günlerde sekiz saatte bir alınmıştır. Yirmi iki günlük əməliyyat sonunda su muhtevasının %7,43 azaldığı və drenajsız kəsilmə dayanıqlığının başlanğıc dəyərine görə %96,70 arttığı bildirilmişdir. Lakin bu bölümde ölçülən son kayma möhkəmliyinın mutlak dəyəri, belirsizliği və ya statistik əhəmiyyətlilik testi məlumatlməmişdir.

Çevrimsel yükləmə təcrübələri nasıl tətbiq edilmişdir?

Kazıklar vakumla iyiləştirilmiş qrunte statik presleme ilə yerleştirilmiş və 24 saat dinlendirilmiştir. Yükleme, iki yönlü və yerdəyişmə nəzarətli kimi gerçekleştirilmiştir. Nihai durum üçün yükləmə noktasındaki yəsasl yerdəyişmə svay çapının 0,1 katı kimi kabul edilmiş və yerdəyişmə artımı 3 mm seçilmiştir.

Deney tezlikları, prototip külək və dalğa tezliklarının model ölçeğine çevrilməsiyle 0,5, 1 və 2 Hz kimi belirlenmiş; peyəndrı şərtlərı temsil etmek üçün 4 Hz eklenmiştir. Her yükləmə çevrimi üçün 100 məlumat örneği kaydedilmiş və təcrübələr 8.000 çevrimde sonlandırılmıştır.

Deney əyriləri ne göstərir?

Sekiz qüvvə-zaman grafiğinin tamamında yəsasl müqavimət yükləmənin başlangıcında sürətli biçimde azalmakta, daha sonra tutum itkisinın sürəti yavaşlamakta və əyrı daha sabit bir seviyeye yaklaşmaktadır. Bu ortak şəgil, fərqli görəvlər arasında aktarılabiləcek əsas zaman örüntüsünü yaratmaqtadır.

Yük-yerdəyişmə qrafiklerinde çevrim sayistilik arttıkça histərezis halqaları aşşəbəkəı doğru eğilmekte və ilk eğimleri azalmaktadır. İlk eğimin küçülmesi, svay-qrunt dumanteminin yəsasl rijitliğinin azaldığını göstərir. Araşdırmacılar başlanğıcdaxın sürətli pozulmayı, ilk çevrimlərde svay çevresindeki qruntin daha fazala örselenmesi və qruntin zamanla axma möhkəmliyina yaklaşmasıyla ilişgiləndirmektedir.

Açık və qapalı uclu svaylar ilə fərqli yükləmə tezlikları arasında histərezis halqalarının yüksəkliği və alanı texniki xidmətından aydın fərqlilıklar görülmektedir. Tədqiqat bu fərqlilıkları tek bir sabit görəv modelinin neden bütün şərtləra kolayca genellerütubəteyeceğinin ekspəriməntal gerekçesi kimi kullanmaktadır.

Yankı-vəziyyət şəbəkəsi neden tərcih edilmiştir?

Uzun qısamüddətli yaddaş və standart tekrarlayan sinir şəbəkəları, uzun zaman serilərini öğrenebilir; lakin çox sayıda öyrədilə bilən parametr içerir. Yankı-vəziyyət şəbəkəsi (echo-state network, ESN), böyük və seyrək birləşməlı bir rezervuar kullanır. Standart ESN'də giriş, rezervuar və geribildirim birləşmələrının mühüm bölümü sabit tutulur; esas kimi çıxış qatı eğitilir. Bu struktur, uzun serilərde daha yüngül bir təlim müddətci oluşturmayı amaçlamaktadır.

Tədqiqatda standart ESN iki yönden geliştirilmiştir. İlk kimi giriş serisinin iləri və tərs zaman yönlerinde işlenen iki rezervuar durumu birleştirilmiştir. İkinci kimi standart xətti çıxış qatı yerine çoxqatlı perseptron istifadə edilmişdir. Ortaya çıkan struktur, iki istiqamətli əks-səda-vəziyyət dərin şəbəkəsi və ya Bi-ESDN kimi adlandırılmıştır.

Model hangi girdiləri kullanmaktadır?

Modelin əsas girişleri aktuator yerdəyişməsi və zamandır. Yer değiştirme siqnalınin qradiyentı və tepe dəyərləri ek xüsusilər kimi çıqarılmış, zaman değişkeninin negatif logaritmik transformasiyaü də tutum itkisinın zaman üçündeki eğilimini temsil etmek amacıyla eklenmiştir.

Son giriş vektörü aşşəbəkəıdaxın beş komponentden oluşmaktadır:

• Yer değiştirme, d
• Yer değiştirme qradiyentı, d_grad
• Yer değiştirme tepe özelliği, d_peak
• Zaman, t
• Zamanın negatif logaritmik biçimi, t_log

Modele məsamə suyu təzyiqi nisbəti, sekant rijitlik, birikmiş plastik şəgil değiştirme, qrunt dayanıqlığı və ya benzeri fiziki durum değişkenleri məlumatlməmişdir. Bu nedenle model tutum itkisinın zaman örüntüsünü öğrenmekte, lakin itkinin hangi fiziki mekanizmadan mənbəlandığını birbirinden ayıramamaktadır.

Reptile meta-öyrənməsi ne sşəbəkəlamaktadır?

Reptile, modeli tek bir məlumat dəstinde ən aşşəbəkəı xətaya ulaştırmak yerine, çox sayıda ilişgili görəvden yeni bir görəve sürətla uyarləsasbilən bir başlanğıc parametre uzayı öğrenmeye yöneltmektedir. Her xarici dövrəde bir mənbə tapşırıq seçilir, model bu görəv üzərində birkaç iç yeniləmə yapar və əsas parametreler görəv üzərində əldə edilən yeni parametrelere doğru kısmen hareket ettirilir.

Tədqiqatda üç təlim yaklpeyəndmı qarşılaştırılmıştır:

• Vanilla: Mənbə görəv kullanmadan hədəf tapşırıqde sıfırdan təlim.
• Merge: D₂-D₈ mənbə tapşırıqlerinin tek məlumat dəstinde birleştirilərek ön təlim strukturlması.
• Reptile: Mənbə görəvlərin ayrı görəvlər kimi nümunəlenmesi və sürətli uyum sşəbəkəlayacak ortak başlanğıc parametrelerinin öğrenilmesi.

Merge yaklpeyəndmı mənbə tapşırıqlerde aşşəbəkəı xəta üretmiş; lakin hetərojen görəvləri ayrım gözetmeden birleştirdiği üçün hədəf tapşırıqde həddindən artıq uyğunlaşma və daha dalğalı test xətası göstərmişdir. Reptile, mənbə məlumatlari tek bir seri gibi birləşdirmək yerine görəvlər arasındaki ortak və fərqli strukturları uyarləsasbilir başlanğıc parametrelerine dönüştürmeyi amaçlamaktadır.

Bi-ESDN diğer zaman ardıcıllıqsı modelləriyle qarşılaştırıldığında nasıl performans göstərmişdir?

D₁ məlumat dəstinde ilk 2.000 çevrim təlim, kalan 6.000 çevrim test üçün istifadə edilmişdir. Bütün serilər yaddaş gereksinimini azaltmak amacıyla 10 kat aşşəbəkəı nümunəlenmiş və her məlumat dəsti 80.000 zaman addımına indirilmiştir.

Transformer'ın təlim xətası Bi-ESDN'e yaxınn olmasına rşəbəkəmen test xətası təxminən 5,8 kat daha yüksəktir. Tədqiqatdaki diqqət xəritəsı, düzenli harmonik girişin Transformer üçünde yükləmə tezliyina bşəbəkəlı dama tahtasına benzer bir diqqət örüntüsü oluşturduğunu göstərir. Araşdırmacılar, tezlik değiştiğinde bu sabit örüntünün yeni görəve aktarılamayabiləceğini və test xətasının artmasını bununla ilişgiləndirmektedir.

Ön təlim yaklpeyəndmları nasıl qarşılaştırılmıştır?

Merge üsulu təlim məlumatsinde ən aşşəbəkəı itkini elde etmiş, lakin test məlumatsinde ən yüksək xətayı üretmiştir. Reptile'ın təlim xətası Merge'dən yüksək olmasına rşəbəkəmen test xətası daha aşşəbəkəıtür. Bu nəticə, hədəf tapşırıqe ötürülə bilmə texniki xidmətından yalnızca mənbə tapşırıqlerdeki təlim başaristiliknın yetərli olmadığını göstərir.

Model ne kadar az erken dəhəmiyyət məlumatsiyle proqnoz yapabilmektedir?

Hedef görəvde istifadə edilən erken təlim bölümü ardıcıllıqsıyla 2.000, 1.500, 1.000, 500 və 100 çevrime düşürülmüştür. Beklendiği gibi bütün üsullerin xətası məlumat miqdarı azaldıkça artmışdır. Lakin Reptile yaklpeyəndmındaki artış diğer iki üsule görə daha məhdud qalmışdır.

Yalnızca ilk 100 çevrim kullanıldığında Reptile xətası Merge üsulunin təxminən 1/17'si və Vanilla üsulunin təxminən 1/8'i olmuştur. Model böylece bütün serinin yalnızca 1/80'ine qarşılık gelen erken məlumatden uzunmüddətli eğilimi sabit biçimde yeniden yaratmışdır.

Son dpeyəndma tutumu ne kadar doğru proqnoz edilmiştir?

Araşdırmacılar, serinin son 100 saniyəsindeki üst qüvvə tepelerinin ortalamasını sabit yəsasl tutum göstəricisi kimi kullanmıştır. Gerçek sabit dəyər qrafikte təxminən 0,029 kN'dir.

Veri miqdarı azaldıkça proqnozlaşdırılan son tutum yuqarı doğru sapmıştır. Buna görə 100 çevrimli nəticə sabit bir uzun müddətli örüntüsü sunsa da 2.000 çevrimli proqnozle eyni hassasiyette değildir.

Mənbə və hədəf tapşırıq oxşarlığı neden mühümdir?

Araşdırmacılar məlumat dəstləri arasındaki benzerliği, əsas komponent əsaslizi və çəgilı Eros benzerliğiyle hesaplamıştır. D₁ diğer görəvlərle ən yüksək genel benzerliğe, D₆ isə ən aşşəbəkəı benzerliğe sahip görəv kimi müəyyən edilmişdir.

D₁ və D₆ hədəf tapşırıq kimi ayrı-ayrılıqda incelendiğinde model her ikisinde də məhdud məlumatyle proqnoz yapabilmiştir. Bununla belə təlim uzunluğu 2.000 çevrimden 100 çevrime indirildiğinde D₁ xətası təxminən 13 kat, D₆ xətası isə təxminən 50 kat artmışdır. D₆'nın bazı şərtlərda daha aşşəbəkəı mutlak MSE üretmesi, modelin orada daha sşəbəkəlam olduğu anlamına gelmemektedir. Normalleştirilmiş xəta artışı, mənbə tapşırıqlere daha az benzeyen hədəfte az nümunəli öyrənmənin daha kırılgan olduğunu göstərir.

Model ölçmə səs-küyüne qarşı ne kadar dayanıklıdır?

Gürültü möhkəmliyi, giriş və çıkış zaman serilərine şəbəkə səs-küy eklenerek sonsuz, 1.000, 100 və 20 siqnal-səs-küy nisbətlarında araşdırılmışdır. Gürültü arttıkça hem təlim hem test xətaları artmış, etki test məlumatsinde daha güclü görülmüştür.

Araşdırmacılar SNR dəyəri 100'ün üzərində olduğunda modelin tatmin edici proqnozları koruduğunu bildirmiştir. Temiz siqnal enerjisine görə səs-küy düzeyi yüksəldikdə, xüsusilə SNR 20 şərtunda proqnoz farkları aydınleşmiştir. Tədqiqat, səs-küynün temiz siqnalın %5'ini aşması durumunda izləməe məlumatsinin pratik kullanım dəyərinin azaldığını ifade etmektedir.

Bu nəticələr gerçek sensor səs-küyünün əskiksiz temsili değildir. Deneyde yalnızca sentetik şəbəkə səs-küy istifadə edilmişdir; sahə sensorlarındeki sürüşmə, aşşəbəkəı tezlikli ekoloji etgilər, əskik məlumat, zamanlama xətaları və aykırı ölçmələr ayrı-ayrılıqda araşdırılmamışdır.

Tədqiqatın güclü tərəfləri nelerdir?

• Makine öğrenmesi modeli, birbaşa laboratoriya dövri svay təcrübələriyle üretilən uzun zaman seriləri üzərində dəyərləndirilmişdir.
• Açık və qapalı uclu svaylar ilə dört yükləmə tezliyi istifadə edilərək sekiz ilişgili lakin eyni olmayan görəv yaradılmışdır.
• Model yalnızca təlim xətasıyla değil, uzun test bölümü və giderek azalan erken məlumat miqdarıyla sınanmıştır.
• Standart ESN, RNN, LSTM, Transformer, sıfırdan təlim və birleştirilmiş ön təlim gibi fərqli müqayisə üsulleri istifadə edilmişdir.
• Mənbə-hədəf benzerliği ilə az nümunəli öyrənmə möhkəmliyi arasındaki ilişki həmçinin araşdırılmışdır.
• Sentetik səs-küy altında ayrı bir dayanıqlılıq əsaslizi strukturlmıştır.
• Kapasite itkininın tüm zaman ardıcıllıqsıne ek kimi sabit son pik qüvvə də dəyərləndirilmişdir.

Tədqiqatın əsas məhdudiyyətlərı nelerdir?

• Deneyler laboratoriya ölçeğinde və tek bir əsas qrunt türünde gerçekleştirilmiştir.
• Zemin vakuum ön yükləməyle iyiləştirildiğinden nəticələr təbii və ya fərqli üsullerle iyiləştirilmiş siltlere birbaşa aktarılamaz.
• Yalnızca açık və qapalı uclu tek svaylar araşdırılmışdır; svay grupları və svay-svay etgiləşimi mövcud deyil.
• Yükleme düzenli, harmonik, iki istiqamətli və yerdəyişmə nəzarətlidür. Düzensiz fırtına yükleri, birlhədd düşey-yəsasl yükler və gerçek spektrlar araşdırılmamışdır.
• Oyulma, tabakalı qrunt, kum ara tabakası, sıvılaşabilir qrunt və değişken gömülmə dərinliyi təcrübə kapsamına alınmamıştır.
• Modelin girdiləri yerdəyişmə və zaman türevli xüsusilərle məhduddur; fiziki qrunt durumunu açıklayan girdilər kullanılmamıştır.
• Model fiziki tutum itkisi mekanizmasını diaqnozmlamamakta, yalnızca ölçülən zaman örüntüsünü yeniden yaratmaqtadır.
• Sekiz görəv eyni təcrübə programı üçünde istehsal edilmişdir; fərqli laboratoriya, fərqli miqyas və ya fərqli sensor dumantemiyle xarici doğrulama strukturlmamıştır.
• Tam bir sekiz görəvli bırak-birini-dışarıda doğrulama yerine ayrıntılı əsasliz esas kimi D₁ və D₆ üzərində yoğunlaşmıştır.
• Sonuçlar üçün tekrar təlimler, fərqli təsadüfi başlanğıcların dşəbəkəılımı, etibar intərvalı və ya statistik əhəmiyyətlilik testi məlumatlməmişdir.
• Model qeyri-müəyyənlik aralığı və ya yanlış həyəcan olasılığı üretmemektedir.
• Çift yönlü rezervuarın real zamanlı onlayn kullanımda gələcəkteki bşəbəkəlama ihtiyaç duyup duymadığı və saha tətbiqsında səbəbli biçimde nasıl işletiləceği təfərrüatlandırılmamışdır.
• Verilərin 10 kat aşşəbəkəı nümunəlenmesinin qısamüddətli qüvvə tepeleri üzərindəki etkisi üçün ayrı həssaslıq əsaslizi təqdim edilməmişdir.
• Gerçek bir sahilboyu kazığı və ya açıq dəniz külək turbini əsasinde sahə doğrulaması strukturlmamıştır.

Tədqiqatın desteklediği nəticələr

• Bi-ESDN, bu laboratoriya məlumat dəstinde standart ESN, RNN, LSTM və Transformer'dan daha aşşəbəkəı test MSE'si üretmiştir.
• Reptile ön təlimi, hədəf tapşırıqdeki erken məlumat çox məhdud olduğunda Vanilla və Merge yaklpeyəndmlarından daha aşşəbəkəı xəta sşəbəkəlamıştır.
• Mənbə görəvlərle daha yüksək benzerlik, azalan təlim məlumatsine qarşı daha sabit proqnozlerle ilişgilidir.
• Model, ilk 100 çevrimle tutum itkisinın genel uzun müddətli biçimini və sabit tepe tutumsini təxminən kimi proqnoz edebilmiştir.
• Model performansı sentetik səs-küy arttıkça bozulmuş, lakin SNR 100 və üzərindəki şərtlərda görəce sabit qalmışdır.

Tədqiqatın kanıtlamadığı nəticələr

• Modelin gerçek açıq dəniz və ya sahil qurğularında inamılir bir erkən xəbərdarlıq dumantemi kimi çalıştığı kanıtlanmamıştır.
• Meta-ESN'in bütün svay, qrunt və ekoloji yük şərtlərına genellenebildiği göstərilmemiştir.
• Modelin proqnoz ettiği tutum itkisinın belirli bir qrunt mekaniği mekanizmasından mənbəlandığı belirlenmemiştir.
• 0,008 kN'lik xəta bütün mühendislik miqyaslerinde kabul ediləbilir bir təhlükəsizlik düzeyi kimi təsdiqlənməmişdir.
• Model yanlış həyəcan, buraxılmış xəbərdarlıq və ya struktur göçme olasılığı hesablamamaktadır.
• Laboratuvar ölçeğinde əldə edilən MSE dəyərləri birbaşa prototip kazığın təhlükəsizlik katsayistilikna dönüştürülemez.
• Model, texniki xidmət və ya tahliye qararını təkbpeyəndna verebiləcek bir saha dumantemi değildir.

Uygulama açistilikndan nəticələr ne ifade etmektedir?

Tədqiqatın en mühüm tətbiq fikri, bir kazığın bütün hizmet ömrünü boynaqeden erken yükləmə məlumatlarinden uzunmüddətli tutum dəyişiklikinin proqnoz ediləbilmesidir. Böyle bir yaklpeyəndm saha məlumatlariyle doğrulanırsa, uzunmüddətli izləməe məlumatsi henüz oluşmamış yeni strukturlarda və ya işləmə şərti değişmiş svaylarda erken risk dəyərləndirməsine yardımcı olabilir.

Bunun üçün laboratoriya modelinin ötesine geçilmesi lazımdır. Gerçek tətbiqda svay bpeyənd yerdəyişməsi və yük məlumatlarine ek kimi məsamə suyu təzyiqi, eğilme momenti, ivme, qrunt rijitliği, yuyulma derinliği, dalğa və külək ölçmələri gibi fiziki girdilərin dəyərlendirilmesi; sahə sensorlarındeki məlumat itkini və sürüşmənin sınanması; proqnoz qeyri-müəyyənliklerinin hesaplanması və mühendislik xəbərdarlıq hədlərinin bşəbəkəımsız təhlükəsizlik əsaslizleriyle belirlenmesi lazımdır.

Tədqiqatın Yöntemi və Bulguları

Yankı-vəziyyət şəbəkəsinın irəli yönlü durum yeniləməsi

\[ \mathbf{R}^{t+1}=\Psi_a\left(\mathbf{W}_{in}\mathbf{X}^{t}+\mathbf{W}_{res}\mathbf{R}^{t}+\mathbf{b}_{R}\right) \]

R^t, rezervuarın t anındaki yüksək boyutlu durumunu; X^t, giriş vektörünü; W_in, giriş çəgilərını; W_res, rezervuar içi birləşmələrı; b_R, rezervuar yanlılığını və Ψ_a xətti olmayan aktivləşdirmə funksiyasınu göstərir. Tədqiqatda yaygın seçenek kimi hiperbolik tangens qeyd edilmişdir.

Sızıntılı rezervuar yeniləməsi

\[ \mathbf{R}^{t+1}=\lambda\mathbf{R}^{t}+(1-\lambda)\Psi_a\left(\mathbf{W}_{in}\mathbf{X}^{t}+\mathbf{W}_{res}\mathbf{R}^{t}+\mathbf{b}_{R}\right) \]

λ, 0 ilə 1 arasında seçilən sızma əmsalıdır. Eski rezervuar durumunun ne kadarının korunacşəbəkəını və yeni girdinin ne sürətla dumanteme dâhil ediləceğini belirler. Kullanılan son modelde λ = 0,6'dır.

Standart ESN çıkışı

\[ \hat{\mathbf{Y}}^{t}=\mathbf{W}_{out}[\mathbf{X}^{t};\mathbf{R}^{t}]+\mathbf{W}_{back}\hat{\mathbf{Y}}^{t-1}+\mathbf{b}_{Y} \]

W_out, giriş və rezervuar durumlarını proqnoze dönüştüren çıkış çəgilərını; W_back, əvvəlki proqnozun güncel çıktıya geri beslenmesini; b_Y isə çıkış yanlılığını göstərir. Köşeli parantez üçündeki noktalı virgül, vektörlerin birləşdirildiyini ifade etmektedir.

ESN itki funksiyası

\[ \mathcal{L}(\mathbf{Y},\hat{\mathbf{Y}})=\frac{1}{N_{out}}\sum_{i=1}^{N_{out}}\left(\sum_{n=T_a}^{T}(Y_i^n-\hat{Y}_i^n)^2+\eta\lVert\mathbf{W}_{out}\rVert^2\right) \]

T_a, ilk rezervuar durumlarının sabit hâle gelmesi üçün istifadə edilən istiliknma bölümüdür və tədqiqatda yaygın seçimin toplam seri uzunluğunun təxminən %10'u olduğu qeyd edilmişdir. η, çıkış çəgilərını sınırlayan requlyarlaşdırma katsayistilikdır.

Ters yönlü rezervuar

\[ \bar{\mathbf{R}}^{t}=\lambda\bar{\mathbf{R}}^{t+1}+(1-\lambda)\Psi_a\left(\mathbf{W}_{in}\mathbf{X}^{t+1}+\mathbf{W}_{res}\bar{\mathbf{R}}^{t+1}+\mathbf{b}_{R}\right) \]

Üst çizgili rezervuar durumu, giriş serisinin tərs zaman yönünde işlenmesiyle oluşturulmaktadır. Amaç, güncel dəyər proqnozunde iləri və geri zaman bşəbəkəlamını birlikte kullanmaktır.

Çift yönlü Bi-ESDN çıkışı

\[ \hat{\mathbf{Y}}^{t}=\mathbf{W}_{out}[\mathbf{X}^{t};\mathbf{R}^{t};\operatorname{flip}(\bar{\mathbf{R}}^{t})]+\mathbf{W}_{back}\hat{\mathbf{Y}}^{t-1}+\mathbf{b}_{Y} \]

İleri rezervuar, tərs çevrilərek yeniden zaman ardıcıllıqsına getirilən geri rezervuar və mevcut giriş eyni çıxış qatında birləşdirilir. Tədqiqatda xətti çıkış yerine çoxqatlı perseptron kullanıldığı üçün bu struktur Bi-ESDN kimi adlandırılmıştır.

Meta-öyrənmə hədəfi

\[ \min_{\phi}\mathbb{E}_{\pi}\left[\mathcal{L}_{\pi,te}\left(\mathcal{G}_{\pi,tr}(\phi)\right)\right] \]

φ, görəvlər arasında öğrenilən başlanğıc parametrelerini; π, mənbə tapşırıq dşəbəkəılımından seçilən bir görəvi; G_π,tr, destek məlumatsi üzərindəki daxili dövrə yeniləməsini və L_π,te, sorgu məlumatsi üzərindəki test itkininı göstərir. Hedef, birkaç iç yeniləməden sonra yeni görəvde aşşəbəkəı xəta üreten bir başlanğıc noktası bulmaktır.

MAML xarici dövrə qradiyentı

\[ \mathbf{g}_{MAML}=\frac{\partial}{\partial\phi}\mathcal{L}_{\pi,te}\left(\mathcal{G}_{\pi,tr}(\phi)\right)=\mathcal{G}'_{\pi,tr}(\phi)\mathcal{L}'_{\pi,te}(\phi) \]

MAML, daxili dövrə optimallaşdırmaunun türevini də xarici dövrə hesabına dâhil ettiği üçün ikinci dereceden və ya Jacobian birləşməlı hesablamalar gerektirebilir. Tədqiqat bu xərci azaltmak üçün Reptile kullanmaktadır.

Reptile meta-yeniləməsi

\[ \mathbf{g}_{Reptile}=\beta(\phi'-\phi) \]

φ′, seçilən görəvde daxili dövrə sonunda əldə edilən parametreleri; β, meta-öyrənmə nisbətinı göstərir. Ana parametreler görəv üzərində uyarlanmış parametrelere doğru β nisbətinda hareket ettirilir. Tədqiqatda en iyi nəticə n = 3, β = 0,2 və daxili dövrə epoch sayistilik ε = 50 ilə əldə edilmişdir.

Prototip və model svay üçün kritik uzunluq

\[ L_{cr,p}=4{,}44\left(\frac{E_{p,p}I_{p,p}}{E_{s,p}}\right)^{1/4} \]

\[ L_{cr,m}=4{,}44\left(\frac{E_{p,m}I_{p,m}}{E_{s,m}}\right)^{1/4} \]

L_cr, kritik svay uzunluğunu; E_pI_p, kazığın N·m² birimindeki əyilmə sərtliyini; E_s, qruntin N/m² birimindeki Young modulunü göstərir. p və m indisleri ardıcıllıqsıyla prototip və model kazığı ifade etmektedir.

Kritik uzunluk oxşarlıq nisbəti

\[ \lambda_L=\frac{L_{cr,p}}{L_{cr,m}}=C_E^{1/4}C_l \]

C_l, həndəsi oxşarlıq sabiti; C_E, elastiklik modulu benzerlik sabitidir. Tədqiqatda C_l = 20 və C_E = 1 kabul edilmiştir.

Eğilme benzerliği şərtu

\[ \frac{E_{p,p}I_{p,p}}{E_{s,p}}\times\frac{E_{s,m}}{E_{p,m}I_{p,m}}=20^4 \]

Bu şərt, model və prototip svayların görəli elastiklik xüsusilərini uyğunlaşdırmaq üçün kullanılmış və model svay divar qalınlığı 1,50 mm kimi müəyyən edilmişdir.

Yükleme tezlikının miqyaslendirilmesi

\[ f_m=f_p\frac{D_p}{D_m} \]

Dalga yükleri üçün prototip tezlikı 0,05-0,10 Hz və çap nisbəti 0,64/0,032 istifadə edilərək model tezlikı 1-2 Hz; külək yükleri üçün 0,017-0,05 Hz istifadə edilərək təxminən 0,34-1 Hz hesablanmışdır. Deney programında 0,5, 1 və 2 Hz tezliklarına ek kimi peyəndrı şərtu temsil etmek amacıyla 4 Hz tətbiq edilmişdir.

Veri seti kovariasiya matrisi

\[ \mathbf{C}_i=\frac{1}{8\times10^4-1}\mathbf{D}_i^{T}\mathbf{D}_i \]

Her aşşəbəkəı nümunəlenmiş məlumat dəsti təxminən 80.000 gözlem və üç əsas değişkenden oluşmaktadır. C_i, i numaralı normalize edilmiş məlumat dəstinin 3 × 3 kovariasiya matrisidir.

Temel komponent ayrışımı

\[ \mathbf{C}_i=\mathbf{U}_i\mathbf{\Sigma}_i\mathbf{U}_i^{T} \]

U_i, kovariasiya matrisinin özvektörlerini; Σ_i, özdəyərləri içeren köşegen matrisi göstərir. Özvektörler məlumat dəstindeki təzyiqn dəyişiklik yönlerini temsil etmektedir.

Ağırlıklı Eros benzerliği

\[ \operatorname{Eros}(\mathbf{D}_i,\mathbf{D}_j,\boldsymbol{\omega})=\sum_{k=1}^{3}\omega_k\left|\langle\mathbf{u}_{ik},\mathbf{u}_{jk}\rangle\right| \]

İki məlumat dəstinin eyni ardıcıllıqdaki əsas komponentləri arasındaki iç çarpım hesaplanmakta və mutlak dəyər kullanılmaktadır. Sonuç 1'e yaklaştıkça məlumat dəstlərinin əsas dəyişiklik yönlerinin daha benzer olduğu kabul edilmektedir.

Eros çəgilərı

\[ \omega_k=\frac{\mathbb{E}(\Sigma_{i,kk},\,i=1,\ldots,8)}{\sum_{k=1}^{3}\mathbb{E}(\Sigma_{i,kk},\,i=1,\ldots,8)} \]

Her əsas komponentin şəbəkəırlığı, sekiz məlumat dəstindeki ortalama özdəyər töhfəsina görə belirlenmektedir. Daha fazala varyansı açıklayan əsas komponent, benzerlik hesabında daha yüksək çəki almaktadır.

Bi-ESDN hiperparametrləri

Hiperparametreler ızgara aramasıyla seçilmiştir. Rezervuar böyüklüğü 1.000, 2.000 və 4.000; MLP qat sayistilik 3, 4 və 5; qat genişliği isə 25, 50 və 100 dəyərləri arasında dəyərləndirilmişdir. Hesaplama, Intel i7-13790F prosessor və NVIDIA RTX 4070 Ti SUPER qrafik prosessor istifadə edilərək gerçekleştirilmiştir.

Sonuçların teknik özeti

• Bi-ESDN, tek görəvli model müqayisəsında 13,90 × 10^-7 test MSE'siyle ən aşşəbəkəı xətayı üretmiştir.
• Reptile'ın en uygun meta-öyrənmə düzeni n = 3, β = 0,2 və ε = 50 kimi müəyyən edilmişdir.
• İlk 2.000 çevrimle Reptile test itkini 1,4 × 10^-6 olmuştur.
• İlk 100 çevrimle Reptile MSE'si 2,63 × 10^-5 kimi hesablanmışdır.
• İlk 100 çevrimle proqnozlaşdırılan sabit tepe tutumsi təxminən 0,037 kN, gerçek dəyər təxminən 0,029 kN və mutlak fark 0,008 kN'dir.
• Mənbə görəvləre daha az benzeyen D₆'da məlumat 2.000 çevrimden 100 çevrime indirildiğinde görəli xəta artışı təxminən 50 kat olmuştur.
• Daha benzer D₁ görəvinde eyni azaltma təxminən 13 katlık xəta artışı üretmiştir.
• Sentetik səs-küy əsaslizinde SNR 100 və üzərindəki şərtlər daha sabit proqnozlerle ilişgiləndirilmiştir.

Mənbə və Metod Qeydi

Tədqiqatın tam özgün adı: Meta-ESN: Early warning on the latəral cyclic capacity of flexible piləs using a meta-learning-aided bi-directional echo-state deep network

Müəlliflər və doğru ardıcıllıqları: Wei Qin; Yuqi Pan; Yanke Tan; Xin Ye; Hao Wu; Guoliang Dai; Dong Wang.

Birinci müəllif: Wei Qin.

Eş birinci müəlliflık: Eş birinci müəlliflık və ya eş töhfə bilgisi belirtilmemiştir.

Sorumlu müəllif: Xin Ye. Mənbəta məlumatlen ilətişim adresi: nixey.ye@connect.polyu.hk.

Kurumsal birləşmələr:

• College of Civil Engineering and Architecture, Wenzhou University, Wenzhou, Çin.
• Key Laboratory of Earthquake Engineering and Engineering Vibration, Institute of Engineering Mechanics, China Earthquake Administration, Harbin, Çin.
• Key Laboratory of Engineering and Technology for Soft Soil Foundation and Tideland Reclamation of Zhejiang Province, Wenzhou, Çin.
• Key Laboratory of Marine Environment and Ecology, Ministry of Education, Ocean University of China, Qingdao, Çin.
• Department of Civil and Environmental Engineering, The Hong Kong Polytechnic University, Hong Kong.
• National Rail Transit Electrification and Automation Engineering Technology Research Centər (Hong Kong Branch), Hong Kong.
• College of Civil Engineering, Tongji University, Şanghay, Çin.
• Wenzhou Port Group Co., Ltd., Wenzhou, Çin.
• School of Civil Engineering, Southeast University, Nanjing, Çin.

Müəllif-qurum uyğunlaşdırmasi: Wei Qin: Wenzhou University, China Earthquake Administration laboratoriyaı və Zhejiang yumuşak qrunt laboratoriyaı; Yuqi Pan: Ocean University of China və Wenzhou University; Yanke Tan: The Hong Kong Polytechnic University, Hong Kong dəmir yolu araşdırma merkezi və Tongji University; Xin Ye: Wenzhou University və Zhejiang yumuşak qrunt laboratoriyaı; Hao Wu: Wenzhou Port Group və Wenzhou University; Guoliang Dai: Southeast University; Dong Wang: Ocean University of China.

DOI: 10.2139/ssrn.7199956

Dergi: Bu sürüm üçün hakemli bir jurnal və ya kabul edilmiş son jurnal sürümü doğrulanmamışdır.

Yayın platformau: SSRN.

Platform sşəbəkəlayıcistilik: Elsevier.

Yayın yılı: 2026.

Mənbə türü: Laboratuvar model təcrübəi, zaman ardıcıllıqsı əsaslizi və meta-öyrənmə modelləşdirməsini birleştiren araşdırma preprinti.

Hakemlik durumu: Bu tədqiqat rəyçi qiymətləndirməsindən keçməmiş preprintdir; nəticələri bu məhdudiyyət diqqəte alınarak okunmalıdır.

Resmî tədqiqat birləşməsı:SSRN rəsmi tədqiqat sayfası

DOI birləşməsı:https://doi.org/10.2139/ssrn.7199956

Bu Türkçe açıklama, yüklenen 32 sayfalık tədqiqat baştan sona incelenerek hazırlanmışdır. Tədqiqatdaki model arxitekturalari, matematiksel tənlikler, təcrübə düzeneği, model və prototip svay parametreleri, qrunt hazırlığı, sekiz yükləmə şərtu, histərezis qrafikleri, model müqayisəları, az nümunəli öyrənmə nəticələri, tapşırıq oxşarlığı və səs-küy əsaslizleri dəyərləndirilmişdir. Bilimsel tapıntılara dış mənbəlardan yeni nəticə eklenmemiştir. Dış mənbəlar yalnızca DOI, SSRN kaydı və nəşr durumunun bibliyoqrafik doğrulaması üçün istifadə edilmişdir.

Tədqiqatın başlıca məhdudiyyətlərı; laboratoriya ölçeğinde kalması, tek əsas qrunt profili kullanılması, yalnızca iki svay ucu tipi və düzenli yükləmə tezliklarının incelenmesi, model girdilərinde birbaşa qrunt durumu değişkenlerinin bulunmaması, qeyri-müəyyənlik aralıklarının məlumatlmemesi və gerçek saha svaylarında doğrulama strukturlmamasıdır. Tədqiqat, gerçek bir sahilboyu kazığında kesin erkən xəbərdarlıq başaristilik və ya struktur təhlükəsizlik garantisi sunmamaktadır.