Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2010
Tezin Dili: Türkçe
Öğrenci: Ahmet GÖKDEMİR
Danışman: RECEP KANIT
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bu çalışmada YSA ( Yapay sinir ağları ) ile iklim parametreleri kullanılarak, dış düz sıva mekanik değerlerinin tahmin edilebilirliği araştırılmıştır. Bunun için TS 1481' e uygun olarak hazırlanan dış düz sıva numuneleri; ülkemiz iklim özelliklerini iyi temsil eden 12 ( on iki ) ayrı İl' e gönderilmiş, doğal koşullarda bekletilmiş, birer aylık aralıklarla getirilen numunelerin laboratuvar ortamında yapışma, çekme ve basınç özellikleri tayin edilmiştir. Çalışmada, sıvanın mekanik özelliklerinin tahmininde iklim parametreleri olan sıcaklık, nem, yağış, rüzgar, don değerleri kullanılmış ve öncelikle tekli doğrusal regresyon yöntemi kullanılarak; her bir iklim parametresi ile mekanik özelliklerin arasındaki ilişkinin anlamlılığı araştırılmıştır. Yapılan analizler sonucunda; yapışma, çekme ve basınç da R2 değerleri sırası ile 0.013, 0.013 ve 0.037 olan rüzgar ile 0.027, 0.073 ve 0.049 olan don tahmin çalışmamızdan çıkarılmış ve sıcaklık, nem ve yağış parametreleri ile tahmin analizleri gerçekleştirilmiştir. On İl' e ait sıcaklık,nem ve yağış değerleri ile, sıva numunelerinin mekanik değerleri YSA' nın eğitilmesinde; iki İl' e ait değerlerde test edilmesinde kullanılmıştır. Test değerlerine göre; iklim parametreleri kullanılarak, YSA ile Trabzon İl' i için yapışmanın % 5.44, çekmenin % 4.80 ve basıncın % 12.68, Bursa İl' i için yapışmanın % 10.36, çekmenin % 2.61 ve basıncın % 5.67 hata ile tahmin edilebileceği görülmüştür. YSA' nın ÇDR ( Çoklu regresyon analizi )' ne göre performansını görebilmek için de; aynı veriler kullanılarak ÇDR yapılmış ve laboratuvar sonuçları baz alındığında; test için kullanılan şehirler için; YSA' nın ÇDR' ne göre Trabzon İl' i için yapışmanın % 7.24, çekmenin % 15.13 ve basıncın % 0.76, Bursa İl' i için yapışmanın % 0.15, çekmenin % 1.44 ve basıncın % 0.43 hata ile daha performanslı tahminler gerçekleştirdiği görülmüştür.