Bayram, A. FerhatGültekin, S. SinanKansun, Gürsel2020-03-262020-03-2620041019-1003http://www.trdizin.gov.tr/publication/paper/detail/TkRBeE1ESXk=https://hdl.handle.net/20.500.12395/18774En çok kullanılan altı adet geçirimlilik denklemlerinden üretilen veriler, yapay sinir ağlarına (YSA) uygulanarak, yeni bir geçirimlilik değeri bulunmuştur. Geçirimlilik değişkenleri olarak gözeneklilik (n) ve efektif tane çapı (d_{10}) alınmıştır. Her denklemde bu parametrelere bağlı olarak üretilen geçirimlilik değerleri yapay sinir ağlarının verilerini oluşturmaktadır. Böylece altı değişik denklem YSA da birleştirilerek tek bir geçirimlilik sonucu grafiksel olarak sunulmuştur. Yapay sinir ağında Çok Katmanlı Ağ Yapısı (Multi - Layer Perceptrons) ve öğrenme algoritması olarak Genişletilmiş Delta Bar Delta (GDBD) kullanılmıştır. Yapay sinir ağı modeli kullanılarak çakıl, kum ve şilt için ayrı ayrı elde edilen geçirimlilik sonuçları denklemsel geçirimlilik sonuçlarıyla oldukça iyi uyumluluk göstermektedir.A new equation for estimating the hydraulic conductivity of porous media is introduced by applying Artificial Neural Network methods on the data obtained from six most commonly used hydraulic conductivity equation. Porosity (n), effective grain size (d_{10}) is taken as permeability variables. Hydraulic conductivity data produced with those variables in each equation forms Artificial Neural Network data. Thus, a hydraulic conductivity result is introduced in Artificial Neural Network method. In Artificial Neural Network, Extended Delta Bar Delta is used as Multi- Layer Perceptrons and learning algorithm. The hydraulic conductivity results for gravel, sand and silt by using Artificial Neural Network model are in well accord with those obtained by equations.trinfo:eu-repo/semantics/closedAccessJeolojiOther-144-454556