Yazar "Kankal, Murat" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim
    Öğe
    EraInterim Re-analiz verileri kullanılarak istatistiksel ölçek indirgeme yöntemi ile doğu Karadeniz havzası aylık ortalama sıcaklık değerlerinin tahmin edilmesi
    (Artvin Çoruh Üniversitesi, 2021) Nacar, Sinan; Kankal, Murat; Okkan, Umut
    İstatistiksel ölçek indirgeme yöntemleri düşük çözünürlüğe sahip atmosferik değişkenler ile istasyonlardan ölçülmüş meteorolojik parametreler arasında istatistiksel ilişkiler kurulmasına dayanan yöntemlerdir. Bu çalışmada (0,75° x 0,75°) sayısal ağ çözünürlüğüne sahip EraInterim re-analiz veri setinde yer alan atmosferik değişkenler kullanılarak Doğu Karadeniz Havzası’nda ve çevresinde yer alan 12 meteoroloji istasyonundan ölçülmüş olan aylık ortalama sıcaklık parametresinin her bir istasyon için tahmin edilmesi amaçlanmıştır. Bu amaçla EraInterim re-analiz veri setinde yer alan yüzeysel parametrelerden yağış, sıcaklık, deniz yüzeyi basıncı ve yüzeysel hava basıncı ile 850, 500 ve 200 hPa basınç seviyelerindeki hava sıcaklığı, jeopotansiyel yükseklik ve rölatif nem atmosferik değişkenleri bağımsız değişkenler olarak kullanılmıştır. Meteoroloji istasyonlarından (1981-2010) döneminde ölçülmüş olan aylık ortalama sıcaklık değerleri ise bağımlı değişken olarak kullanılmıştır. Ölçek indirgeme yöntemi olarak çok değişkenli uyarlanabilir regresyon eğrileri (ÇDURE) yöntemi seçilmiştir. İstasyon temelinde kurulmuş olan ÇDURE model performanslarının değerlendirilmesi için ortalama karesel hatanın karekökü, saçılım indeksi, ortalama mutlak hata ve Nash-Sutcliffe (NS) etkinlik katsayısı istatistikleri kullanılmıştır. Hesaplanan NS değerinin tüm istasyonlar için 0.9-1.0 aralığında olduğu görülmüştür. Ayrıca EraInterim veri setinden seçilmiş olan küresel ölçekli değişkenlerin yerel ölçekteki sıcaklık değerleri tahmininde başarılı olduğu ortaya çıkmıştır. Bu sonuçlar ÇDURE istatistiksel ölçek indirgeme yönteminin kaba ölçekli atmosferik değişkenlerin bölgesel ölçeğe indirgenmesinde kullanılabilir olduğunu göstermiştir
  • Küçük Resim
    Öğe
    Performance evaluation of multiple adaptive regression splines, teaching-learning based optimization and conventional regression techniques in predicting mechanical properties of impregnated wood
    (Springer, 2019) Tiryaki, Sebahattin; Tan, Hüseyin; Bardak, Selahattin; Kankal, Murat; Nacar, Sinan; Peker, Hüseyin
    Understanding the mechanical behaviour of impregnated wood is crucial in making a preliminary decision on the usability of such woods for structural purposes. In this paper, by considering concentration (1, 3 and 5%), pressure (1, 1.5 and 2 atm.), and time (30, 60, 90 and 120 min), an experimental study was performed, and the mechanical behaviour of impregnated wood was determined as a result of the experimental process. Multiple adaptive regression splines (MARS), teaching–learning based optimization (TLBO) algorithms and conventional regression analysis (CRA) were applied to diferent regression functions by using experimentally obtained data. The functions were checked against each other to detect the best equation for each parameter and to assess performances of MARS, TLBO and CRA methods in the prediction of mechanical properties. The experimental results showed that higher values of mechanical properties were obtained when lower concentration, pressure and time were chosen. Overall, all the functions successfully predicted the mechanical properties. However, the MARS and TLBO provided better accuracy in predicting the mechanical properties. The modeling results indicated that the MARS and TLBO are promising new methods in predicting the mechanical properties of impregnated wood. With the use of these methods, the mechanical behavior of impregnated wood could be determined with high levels of accuracy. Thus, the proposed methods may facilitate a preliminary decision concerning the usability of such woods for areas where the mechanical properties are important. Finally, the employment of MARS and TLBO algorithms by practitioners in the wood industry is encouraged and recommended for future studies.