YUVACIK BARAJI HAM SUYUNUN DEZENFEKSİYON YAN ÜRÜNÜ (THM) OLUŞTURMA POTANSİYELİNİN YAPAY SİNİR AĞLARI KULLANARAK BELİRLENMESİ ÖZET

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "YUVACIK BARAJI HAM SUYUNUN DEZENFEKSİYON YAN ÜRÜNÜ (THM) OLUŞTURMA POTANSİYELİNİN YAPAY SİNİR AĞLARI KULLANARAK BELİRLENMESİ ÖZET"

Transkript

1 YUVACIK BARAJI HAM SUYUNUN DEZENFEKSİYON YAN ÜRÜNÜ (THM) OLUŞTURMA POTANSİYELİNİN YAPAY SİNİR AĞLARI KULLANARAK BELİRLENMESİ ÖZET Klorlama dezenfeksiyon amacıyla çokça tercih edilmektedir. Klorlamanın en büyük dezavantajı klorun, ham suda bulunan doğal organik maddeler ile reaksiyona girerek yan ürünlerin oluşumuna sebep olmasıdır. Bu yan ürünlerden en çok bilinen ve araştırılan tür trihalometanlardır (THM). Yapılan epidemiyolojik araştırmalar sonucunda, THM ler olası karsinojenler olarak belirlenmiştir. Bu çalışmada, İzmit Yuvacık Barajı ham suyunda THM oluşumunu etkileyen işletme parametrelerine bağlı olarak, THM oluşturma potansiyelinin belirlenmesi amacıyla yapay sinir ağı (YSA) yöntemi kullanılmıştır. Laboratuar ortamında elde edilen analiz sonuçları, YSA ya veri beslemesinde kullanılmıştır. Öğrenme işleminden sonra test verisi için en uygun YSA seçilmiş ve en düşük ortalama hata %5 ve en büyük belirtme oranı (r 2 ) %94 ile yapısında olan YSA ile elde edilmiştir. Sonuçlara göre, hazırlanan YSA belirtilen girdi değişkenlerine karşılık oluşabilecek THM in yaklaşık olarak tahmin edilmeside kullanılabileceği görülmüştür. Anahtar Sözcükler: Klorlama, Dezenfeksiyon, Trihalometanlar, THM, Yapay Sinir Ağları. Melike İŞGÖREN 1 Fatih TAŞPINAR 1* Vedat UYAK 2, İsmail TORÖZ 3 1 Kocaeli Üniversitesi Ali Rıza Veziroğlu MYO Çevre Koruma P. 2 Pamukkale Üniversitesi Çevre Müh. Böl. 3 İstanbul Teknik Üniversitesi Çevre Müh. Böl. * Sunum yapacak yazar.

2 DETERMINATION OF THM FORMATION POTENTIAL OF YUVACIK DAM RAW WATERS BY PRODUCTS USING ARTIFICIAL NEURAL NETWORKS ABSTRACT Chlorination is greatly preferred for the purpose of disinfection. The main drawback of chlorination is to be producing some chlorinated disinfection by-products due to the reaction of chlorine with natural organic matter contained in raw water. These byproducts are called as trihalomethanes (THMs). Epidemiological research s show that THMs has been identified as potential carcinogens. In this study, an artificial neural network model (ANN) is used to predict THM formation potential depending on some operational parameters in Yuvacık Dam raw water in Izmit. The analysis results obtained in the laboratory is used to feed data to ANN. After learning and testing stages, the most appropriate ANN is chosen. The layer structure of the best ANN is while the average mean squared error (mse) is 5% and the biggest coefficient of determination (r 2 ) is 94%. The results show that prepared ANN model can be used to estimate THM formation potential approximately according to input variables. Keywords: Chlorination, Disinfection, Trihalomethanes, THM, Artificial Neural Networks.

3 1. GİRİŞ Dezenfeksiyon amacıyla klor kullanımı etkinliği, basitliği ve nispeten ucuz oluşu nedeniyle en fazla tercih edilen metotlardan biridir. Bu işlem sayesinde patojenik mikroorganizmalar inaktif hale getirilmekte, ancak bu işlem ile birlikte su içinde bulunan organik maddeler ile klorun arasında da birtakım reaksiyonlar gerçekleşmektedir. Bunun sonucunda da en fazla trihalometanlar (THM) ol mak üzere çeşitli yan ürünler oluşmaktadır. Potansiyel karsinojen olarak bilinen THM bileşikleri kloroform (CFM), bromodiklorometan (BDCM), dibromoklorometan (DBCM) ve bromoform (BFM) dan oluşmaktadır (Cantor ve diğ., 1987). Klor dozlamasının sudaki mikrobiyal faaliyetleri engelleyecek ölçüde seçilmesi gerekirken, aynı zamanda suda oluşabilecek bu yan ürünlerin de minimize edilmesi gerekmektedir (Rook, 1974). Suda çeşitli faktörler altında THM oluşumunu anlamak amacıyla bir çok matematiksel yaklaşımlar geliştirilmiştir (DOWR, 1991; Kavanaugh ve diğ., 1980; Gracia-Villanova, 1997). Matematiksel modeller çoğunlukla belirli girdi parametrelerine karşılık gelen ve hatayı minimize eden uygun katsayılar bulunması yoluyla elde edilmektedir. Sonuçta yapılan işlemler optimizasyon ve minimizasyon problemi olarak ele alınmakta ve en küçük kareler yöntemi, çok değişkenli regresyon analizi vs. kullanılarak en uygun katsayının bulunması ile sonuçlandırılmaktadır. Elde edilen ampirik formülde, girdi değişkenlerine ait farklı değerler ve elde edilen katsayılar kullanılarak, hassasiyet analizi yapılamakta ve matematik modelin doğruluğu test edilmektedir. Problemin bu şekilde çözülebilmesine karşılık yapay sinir ağları (YSA) kullanılarak doğrusal veya doğrusal olmayan çözümler de uygulanabilmektedir. Son yıllarda birçok gerçek yaşam problemi YSA lar kullanılarak çözülmekte ve farklı durumlar için gerçekçi yaklaşımlar elde edilebilmektedir (Hashem ve Karkory, 2007). İzmit ili içme suyu temininde kullanılan Yuvacık Barajı ham suyunda THM oluşumunu etkileyen işletme parametrelerinden klor dozu (Cl), reaksiyon süresi (t), toplam organik karbon (TOK) ve ph değerine bağlı olarak, THM oluşturma potansiyelinin üç katmanlı bir YSA kullanılarak modellenmesine çalışılmıştır. Kloroform (CFM), bromodiklorometan (BDCM), dibromoklorometan (DBCM) ve bromoform (BFM) analizleri ham suda yapılmıştır. Burada, THM belirtilen bileşenlerin toplamını temsil etmektedir. Analiz sonuçları ile elde edilen değerler uygun YSA nın seçiminde, eğitilmesinde ve gerçek verilerle testinde kullanılmıştır.

4 2. MATERYAL ve METOD Klor dozlaması sonucu oluşabilecek TTHM miktarının belirlenmesi amacıyla yapılan çalışma, laboratuarda analiz çalışmalarını ve bu çalışmalarda elde edilen analiz değerlerinin YSA ya girdi olarak kullanılmasıyla TTHM oluşumunun modellenmesi adımlarından oluşmaktadır Laboratuar Çalışmaları Ham suyun farklı deneysel koşullarda THM oluşturma kapasitesinin belirlenebilmesi amacıyla, Standard Methods 5710B uyarınca laboratuar ortamında 2 set halinde klorlama deneyleri gerçekleştirilmiştir (APHA, 1998). Bu kapsamda klor dozu, ph ve bekletme süreleri gibi işletme parametrelerinin THM oluşumunu etkileme derecesi belirlenmiştir Hamsu Özellikleri ve Parametre Değişim Aralıkları Yuvacık Barajı Kocaeli ili ve çevresine hizmet vermek üzere dizayn edilen dünyanın en büyük özel finansmanlı ve Türkiye nin ilk Yap-İşlet-Devret içme suyu projesi olup, yapımına 1991 yılında başlanmış ve 1999 Ocak ayında işletmeye alınmıştır. İnşa edilen barajın göl hacmi 60 milyon m 3 olup, yaklaşık yıllık su tutma kapasitesi 142 milyon m 3 civarındadır. Barajı besleyen ana kaynak Kirazdere dir. Ham su numuneleri 10 litrelik plastik bidonlar ile alınmış ısı ve ışıktan korunarak laboratuara ulaştırılmıştır. Numunelerde izlenen parametreler aşağıdaki Tablo 1 de verilmiştir. Tablo1. Numunelerde izlenen parametreler ve değişim aralıkları. Kaynak TOK (mg/l) UV 254 (nm) Sıcaklık ( o C) ph Bakiye klor (mg/l) THM ( g/l) Ham Su Laboratuar ortamında yapılan deneyler sırasında uygulanan değişkenler ve bu değişkenlerin değişim aralıkları Tablo 2 de verilmiştir. Tablo 2. Ham su deneysel çalışma kriterleri ve değişim aralıkları. DEĞİŞKENLER I. SET II. SET Klor Dozu (mg/l) ph Reaksiyon süresi (saat)

5 I. Set: Klor dozunun ve reaksiyon süresinin THM oluşumuna etkisini izlemek amacıyla ham suya 5, 10, 20, 40, 100 mg/l lik dozajlarda klor eklenmiştir. Daha sonra bu numuneler 6, 36, 48, 96, 168 saat inkübasyona tabi tutularak THM ölçümleri gerçekleştirilmiştir. II. Set: ph ve reaksiyon süresinin THM oluşumuna etkisini izlemek üzere 5 ve 100 mg/l lik klor dozajlarında ph; 5, 5.5, 6, 6.5 ve 7 ye ayarlanarak, numuneler 6, 24, 48, 96, 168 saatlik inkübasyona bırakılmış ve THM analizleri yapılmıştır Analiz Yöntemleri THM Analizi İçme suyundaki THM lerin analizi uluslararası literatür tarafından en çok önerilen EPA 551 Metodu kullanılarak gerçekleştirilmiştir (EPA, 1990). Bu metot sıvı-sıvı ekstraksiyon yöntemini baz almıştır. Su fazındaki klorlu uçucu organikler pentan solventi kullanılarak kolayca ekstrakte edilebilmektedir. Bu çalışmada HP marka 6890 model gaz kromatograf cihazı kullanılmıştır. Bu cihaz, HP Chemstation adlı yazılım tarafından desteklenmekte ve cihazın kumandası bir PC ile sağlanmaktadır. Sistemde taşıyıcı gaz olarak helyum kullanılmaktadır. Sistemde kullanılan kolon DB-1 model, 30 m uzunluğunda, 0.25 mm çapında ve 1 µm film kalınlığında kapiler bir kolondur. Sistemde enjeksiyon tekniği split/splitless teknikle gerçekleştirilmekte ve taşıyıcı gaz debisi 1.6 ml/dakika olarak işletilmektedir. Bu sistemin minimum tayin limiti 0.1 µg/l dir TOK Analizi (Yanma Infrared Metodu) Bu yöntem numunedeki organik karbonun bir katalizör eşliğinde reaksiyona sokularak karbondioksit oluşturulmasını içerir. CO 2 nin infrared absorbsiyonu yoluyla sudaki organik karbon miktarı ölçülür. Sudaki inorganik karbon ph değeri 2 ye çekilerek CO 2 ye dönüştürülmüş ve analizden önce sudan uzaklaştırılmıştır. Bu yöntem, karbon kaybına neden olan uçucu organik karbonların da giderilmesini sağlar. Organik ve inorganik karbonun oksidasyonu sonucu oluşan CO 2 nondispersif infrared analiz yöntemi kullanılarak ölçülmüştür Yapay Sinir Ağları Yapay sinir ağları (YSA), birçok alanda kullanılan modelleme metotlarından bir tanesidir. YSA, insan beyninin sinir hücrelerinden oluşan katmanlı ve paralel olan yapısının, tüm fonksiyonlarıyla beraber sayısal dünyada gerçeklenmeye çalışılan modelleridir. Yazılımlar

6 yardımıyla kolayca kurulabilen yapay sinir ağlarının yine yazılımsal olarak çalıştırılabilmesi de kolay olan modellerdir. YSA modelinde veri girişi, verinin taşınması (ağırlık kazandırılması) ve sonuç alınması, biyolojik bir sinir hücresinin (nöron) elemanlarını ve işleyişini taklit etmektedir (Rumelhart ve diğ. 1994). En temel elemanlarıyla bir YSA Şekil 1 deki gibi ifade edilmektedir. Girdi değerleri (x i ) gerçek ölçüm sonuçları olup bilinen değerlerden oluşan veri setidir. Ağırlıklar (w i ) her bir girdi biriminin çekirdek birimindeki değeridir. Çekirdek biriminde YSA yapısına özel toplama fonksiyonu çalışmaktadır. Çıktı biriminde ise istenilen sonuç alınır veya öğrenme aşamasında ise ölçüm sonucu verilir. Şekil 1. Yapay sinir ağı hücre yapısı. Çekirdek biriminde elde edilen y değerleri Eşitlik 1 e göre hesaplanmaktadır: (1) Eşitlik 1 de verilen x i sinyali kendine ait olan ağırlık katsayısı ile çarpılarak toplam sinyale eklenmektedir. y in şeklinde toplanan değer çekirdek tarafından bağlantılar kullanılarak çıktıya gönderilir. Çıktı biriminde sonuç değerleri seçilen uygun bir fonksiyon ile y değerlerine çevrilir (Eşitlik 2) (Fausett, 1994). (2) YSA lar birçok farklı formda geliştirilmiş olup en çok kullanılan türlerinden bir tanesi çok katmanlı ileri beslemeli ve geriye hata yayımlı türdür (Multi Layer Perceptron Back

7 Propagation NN- MLPBP). Hidroloji ve su kaynakları ile yapılan çalışmalarda en çok bu yapı kullanılmaktadır (Govindaraju ve diğ., 2000). Bu çok katmanlı yapı Şekil 2 de gösterilmiştir. Şekil 2. Çok katmanlı YSA ların genel yapısı. Girdi katmanında bulunan birimler veya nöronlar diğer katmanlara, bağlantı ağırlıkları (w i ) ile ilişkilendirilmiştir. Bu sayede bir katmanda bulunan nörona bir önceki katmandan gelen sinyal, bağlantı ağırlıkları ile ilişkilendirilip, tüm nöronların ağırlıkları toplanır ve çıktı katmanındaki nöronlara yollanır. Döngüsel bir işlemde hata minimizasyonu ile YSA nın eğitilmesi sağlanmaktadır. Bu işlemde, bilinen girdi ve çıktı değerleri ağırlıklara dönüştürülür ve YSA nın öğrenme işlemi, kontrol edilen toplam hatanın belli bir değerinin altına düştüğü noktada tamamlanmış olur. Bu durumda, tüm girdi ve çıktı değerleri YSA nın ağırlıklarına dönüştürülmüş olmaktadır. İşte bu ağırlıklar kullanılarak farklı girdi değerleri için sonuç üretilmesi mümkün olmaktadır. Öğrenme aşamasında girdi ve çıktı katmanlarına ait farklı aktivasyon veya eşikleme fonksiyonları kullanılmaktadır. En çok bilinenleri doğrusal, eşik fonksiyonu ve sigmoid fonksiyonudur. Bu fonksiyonların türevlenebilir olması gerekmektedir. Birçok çalışmada girdi ve çıktı katmanlarına ait hesaplamalarda aktivasyon fonksiyonu olarak Eşitlik 3 te verilen lojistik sigmoid fonksiyonu kullanılmıştır. YSA nın öğrenme aşamasında temin edilen veri setinin doğruluğu, verilerin birbirleri ile olan mantıksal ilişkisi, seçilen öğrenme oranı ve seçilen minimum hata oranı veya maksimum döngü sayısı etkin olmaktadır. f x 1 (3) 1 x e

8 Geriye yayımlı öğrenmede sürekli girdi tipi kullanılmaktadır. Aktivasyon için ise türevi alınabilecek bir fonksiyon işleme sokulmaktadır. Genellikle sigmoid fonksiyonunu kullanan geri yayımlı ağlarda öğrenme fonksiyonu olarak Eşitlik 4 te belirtilen Delta kuralı kullanılmaktadır (Fausett, 1994). (4) Burada; w i,j : Eski veya yeni bağlantı ağırlıkları, µ : Öğrenme hızı veya öğrenme oranı, f(y in ) : Bir önceki çıktı değeri, t : Güncel çıktı değeri, f (y in ) :Aktivasyon fonksiyonunun birinci türevidir Çalışmada kullanılan YSA yapısı Bu çalışmada, 3 katmanlı ileri beslemeli geriye hata yayımlı YSA kullanılmıştır. 1. katman girdi katmanı olup girdi nöronlarını klor dozajı (mg/l), ph, toplam organik karbon (TOK) (mg/l) ve reaksiyon süresi (saat) oluşturmaktadır. İkinci katman gizli veya saklı katmandır. Bu katmanda ise 6, 8, 10 ve 12 nöron denenerek en uygunu bulunmaya çalışılmıştır. Son katman olan üçüncü katman çıktı katmanıdır. Çıktı katmanında ise sadece THM değerini belirten bir nöron seçilmiştir. YSA yapısı Şekil 3 te verilmiştir. Uygun YSA yapısının seçilmesinde Tablo 3 te verilen deneme setleri kullanılmıştır. YSA nın eğitilmesinde ve testlerinde, geliştirilen ve Şekil 4 ile Şekil 5 te gösterilen modelleme yazılımı kullanılmıştır. Bu yazılım ile seçilen YSA türleri öğrenme aşamasında test edilmiş ve en iyi YSA belirlenmiştir. Veri seti ve test seti dosyası bir text dosyası içinde, ilk satırı başlık bilgisi içeren ve virgülle ayrılmış basit bir dosyadır. Bu dosyada geçen tüm veriler ilk satır hariç sayılardan oluşmalıdır. Öğrenme aşamasında 100 adet veri ve test aşamasında ise 40 adet veri kullanılmıştır. Orijinal veriler ve test verileri aynı formatta olup, hepsi girdi ve çıktı değişkeninin maksimum ve minimum değerlerine göre normalleştirilmiştir. Normalleştirme sonucu orijinal ve test setindeki her bir değer 0.05 ile 0.95 değerleri arasına getirilmiştir. Elde edilen son haliyle, orijinal veri setinde öğrenme işlemi gerçekleştirilmiştir. Daha sonra test veri seti YSA da çalıştırılarak farklı durumlarda elde edilen sonuçlar bulunmuştur. Öğrenme

9 süresince her bir YSA seçimi için döngü seçilmiştir. Yazılımla bu süreç sonunda elde edilen hata değerleri yani ortalama hatanın karesi (mse), minimum hata oranı (%), maksimum hata oranı (%) ile korelasyon katsayısı (r 2 ) bulunarak kaydedilmiştir. Girdi Katmanı Gizli Katman Çıktı Katmanı w i h 1 y i Cl ph t THM TOK w n h n-1 h n y n Şekil 3. Çalışmada seçilen çok katmanlı YSA yapısı ( ). Tablo 3. En uygun YSA nın seçiminde kullanılan YSA yapıları. Öğrenme Oranı Öğrenme Momentumu Katmanlardaki Nöron Sayıları (Girdi-Gizli-Çıktı)

10 Şekil 4. YSA için geliştirilen bilgisayar programı (değerler normalleştirilmiştir). Şekil 5. Çok katmanlı YSA öğrenme ve test modülü.

11 Çalışmada kullanılan veri setlerine ait bir takım istatistiksel veriler Tablo 4 te verilmiştir. Tablo 4. Veri setlerine ait istatistiksel değerler. Maksimum Minimum Mod Ortanca Ortalama Cl Dozu (mg/l) TOK (mg/l) ph t (saat) TTHM (mg/l) CFM (mg/l) SONUÇLAR VE DEĞERLENDİRME Kullanılacak olan yapay sinir ağı yapısının belirlenmesi için Tablo 3 te verilen deneme setleri için program ayrı ayrı çalıştırılmıştır döngü sonucunda mse değeri, ortalama hata, minimum ve maksimum hata ile belirtme katsayıları (r 2 ) elde edilmiştir. Gizli katman nöron sayısı 6 ve 8 olan YSA yapıları diğerlerine oranla yüksek oranda başarısız bulunmuştur. Bu nedenle geriye kalan 10 ve 12 nörona sahip YSA lara ait bu değerler Tablo 5 te verilmiştir. YSA, öğrenme işleminden sonra kaydedilmiş ve test sırasında kullanılmıştır. Tablo 5. Deneme seti için seçilen YSA lara ait öğrenme istatistikleri. Öğrenme Oranı Öğrenme Momentumu YSA Yapısı MSE Maks. Min. Ortalama Belirtme Hata Hata Hata (%) Katsayısı (r 2 ) % (%)

12 En uygun YSA seçimi için yapılan çalışmada seçim için korelasyon katsayısı, mse değeri ve ortalama hata değeri göz önüne alınmıştır. Genel olarak bakıldığında tüm YSA türleri için elde edilen sonuçlar birbirlerine çok yakındır. Fakat bu kriterlere göre en iyi YSA yapısı, Tablo 5 te de verilen ve öğrenme oranı 0.1, öğrenme momentumu 0.0, belirtme katsayısı ve katman yapısı olan YSA olduğu görülmüştür. Ayrıca, öğrenme oranı 0.5, öğrenme momentumu 0.5, belirtme katsayısı ve katman yapısı şeklinde verilen yapı için de sonuçlar benzer bulunmuştur. Ancak, hata değerleri de göz önüne alındığında yapısının daha iyi olduğu görülmüştür. Dolayısıyla test verileri için bu yapısında olan YSA ve belirlenen öğrenme parametreleri seçilmiştir. Test veri seti için YSA nın eğitiminde hiç yer almayan değerler kullanılmıştır. Seçilen YSA yapısı ile yapılan test işlemine ait basit bir grafik Şekil 6 da verilmiştir. Test sonuçlarına göre seçilen YSA ile test verisi üzerinde yapılan çalışmada belirtme katsayısı olarak bulunmuştur. Ayrıca ortalama, minimum ve maksimum yüzde hata oranları ise sırasıyla; 4.9, 0.02 ve 17.1 dir. Şekil 6. Eğitilmiş YSA ( yapısında) ile test verisinin karşılaştırılması. Seçilen katman yapısındaki YSA test verilerini başarılı bir şekilde yorumlamıştır. YSA kullanılarak daha önce belirlenmiş değerler yardımıyla, analizi güç veya pahalı olan bir takım işlemler için çıkarımlar yapılabilmektedir. Bu çalışmada da YSA kullanılarak, ham suyun klorla dezenfeksiyonu sonucunda, sudaki organik maddeler ile klorun reaksiyonu sonucu THM oluşturma potansiyeli belirlenmiş ve seçilen YSA modelinin başarılı olduğu

13 görülmüştür. Tercih edilen YSA yapısının yanında farklı tür örneğin; Radyal Fonksiyon Tabanlı YSA lar (RBF YSA) veya doğrusal olmayan Destek Vektör Makineleri (SVM) gibi farklı yapılarında kullanılması ve sonuçların değerlendirilmesi, benzer çalışmalar için yararlı ve yol gösterici olacaktır. KAYNAKLAR Kronberg L. ve Christman R. F. (1989) Chemistry of mutagenic by -products of water chlorination, The Science of the Total Environment, 81/82, Nikolaou A.D., Golfinopoulos S.K. ve Lekkas T.D. (2002) Formation of organic by-products during chlorination of natural waters, Journal of Environmental Monitoring, 4(6): Rook, J.J. (1974) Formation of haloforms during chlorination of natural waters. Wat. Treat. & Examin. 23, Cantor, K. P., Hoover, R. Hartge, P., Mason, T.J., Silverman, D.T., Altman, R., Austin, D.F., Child, M.A., Key, C.R., Marret, L.D., Myers, M.H., Narayana, A.S., Levin, L.I., Sullivan, J.W., Swanson, G.M., Thomas, D.B. ve West, D.W. (1987) Bladder cancer, drinking water source, and tap water consumption: a case-control study. J. National Cancer Inst. 79 (6), DOWR, (1991) Trihalomethan Formation Potential in the Sacramento San Joaquin Delta Mathematical Model Development, State of California The Resource Agency Department of Water Resources Division of Planning, D , Sacramento, CA. Hashem M. ve Karkory H. (2007) Artificial Neural Networks as Alternative Approach for Predicting Trihalomethane Formation in Chlorinated waters, Eleventh International Water Technology Conference, IWTC11 Sharm El-Sheikh, Egypt ( ). APHA, ( 1998) Standard methods for the examination of water and wastewater (Standard Methods 5710B, Std. Method 551.1, Std. Method 5310 B), 20th ed., Washington, DC. EPA, (1990) Determination of chlorination disinfection byproducts and chlorinated solvents in drinking water by liquid-liquid extraction and gas chromatography with electron-capture detection, U.S. Environmental Protection Agency Cincinnati, Ohio Rumelhart, D.E., Widrow, B. ve Lehr, M.A. (1994) The basic idea of neural networks. Communications of the ACM 37(3), Govindaraju, R.S. ve Rao A.R. (2000) Artificial Neural Networks in Hydrology, Kluwer Academic Publishers, Boston, USA. Fausett L. (1994) Fundamentals of Neural Networks, Prentice-Hall, pp. 461, ISBN , USA.

14 Kavanaugh, M. C., Trusell, A.R., Cromer, I., Trussell, R.R. (1980). An Empirical Kinetic Model for Trihalomethane Formation; Application to Meet the Proposed THM Standard, Journal of the American Water Works Association, 72, 578. Gracia-Villanova, R.J. (1997) Formation Evaluation and Modelling of THM s In Drinking Water of a Town,

ÇİMENTO BASMA DAYANIMI TAHMİNİ İÇİN YAPAY SİNİR AĞI MODELİ

ÇİMENTO BASMA DAYANIMI TAHMİNİ İÇİN YAPAY SİNİR AĞI MODELİ ÇİMENTO BASMA DAYANIMI TAHMİNİ İÇİN YAPAY SİNİR AĞI MODELİ Ezgi Özkara a, Hatice Yanıkoğlu a, Mehmet Yüceer a, * a* İnönü Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği Bölümü, Malatya, 44280 myuceer@inonu.edu.tr

Detaylı

T.C. KIRIKKALE ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ YAPAY SİNİR AĞLARI. Doç.Dr. Necaattin BARIŞÇI FİNAL PROJESİ

T.C. KIRIKKALE ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ YAPAY SİNİR AĞLARI. Doç.Dr. Necaattin BARIŞÇI FİNAL PROJESİ T.C. KIRIKKALE ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ YAPAY SİNİR AĞLARI Doç.Dr. Necaattin BARIŞÇI YAPAY SİNİR AĞLARI İLE KORONER ARTER HASTALIĞI RİSK Öğrenci : SİNEM ÖZDER Numarası : 118229001004

Detaylı

TUĞLA VE KİREMİT FABRİKALARININ HAVA KİRLİLİĞİNE KATKILARININ YAPAY SİNİR AĞI MODELLEMESİ İLE ARAŞTIRILMASI

TUĞLA VE KİREMİT FABRİKALARININ HAVA KİRLİLİĞİNE KATKILARININ YAPAY SİNİR AĞI MODELLEMESİ İLE ARAŞTIRILMASI TUĞLA VE KİREMİT FABRİKALARININ HAVA KİRLİLİĞİNE KATKILARININ YAPAY SİNİR AĞI MODELLEMESİ İLE ARAŞTIRILMASI Merve ARABACI a, Miray BAYRAM a, Mehmet YÜCEER b, Erdal KARADURMUŞ a a Hitit Üniversitesi, Mühendislik

Detaylı

YEŞİLIRMAK NEHRİ İÇİN TOPLAM ORGANİK KARBON ÖNGÖRÜ MODELLERİ

YEŞİLIRMAK NEHRİ İÇİN TOPLAM ORGANİK KARBON ÖNGÖRÜ MODELLERİ YEŞİLIRMAK NEHRİ İÇİN TOPLAM ORGANİK KARBON ÖNGÖRÜ MODELLERİ Mehmet Yüceer a*, İlknur Atasoy b, Eda Semizer c, Erdal Karadurmuş d, Kazım Yetik e, Ayla Çalımlı c, Rıdvan Berber c a İnönü Üniversitesi Mühendislik

Detaylı

YAPAY SİNİR AĞLARI. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ

YAPAY SİNİR AĞLARI. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ YAPAY SİNİR AĞLARI Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ İÇERİK Sinir Hücreleri Yapay Sinir Ağları Yapısı Elemanları Çalışması Modelleri Yapılarına Göre Öğrenme Algoritmalarına Göre Avantaj ve

Detaylı

Zeki Optimizasyon Teknikleri

Zeki Optimizasyon Teknikleri Zeki Optimizasyon Teknikleri Yapay Sinir Ağları (Artificial Neural Network) Doç.Dr. M. Ali Akcayol Yapay Sinir Ağları Biyolojik sinir sisteminden esinlenerek ortaya çıkmıştır. İnsan beyninin öğrenme, eski

Detaylı

ORGANİK MADDE KONSANTRASYONUNUN TRİHALOMETAN (THM) BİLEŞİKLERİNİN OLUŞUMUNA ETKİSİ

ORGANİK MADDE KONSANTRASYONUNUN TRİHALOMETAN (THM) BİLEŞİKLERİNİN OLUŞUMUNA ETKİSİ S.Ü. Müh. Mim. Fak. Derg., c., s., 9 J. Fac.Eng.Arch. Selcuk Univ., v., n., 9 ORGANİK MADDE KONSANTRASYONUNUN TRİHALOMETAN (THM) BİLEŞİKLERİNİN OLUŞUMUNA ETKİSİ Sezen KÜÇÜKÇONGAR, Mehmet Faik SEVİMLİ,

Detaylı

ESTIMATION OF EFFLUENT PARAMETERS AND EFFICIENCY FOR ADAPAZARI URBAN WASTEWATER TREATMENT PLANT BY ARTIFICIAL NEURAL NETWORK

ESTIMATION OF EFFLUENT PARAMETERS AND EFFICIENCY FOR ADAPAZARI URBAN WASTEWATER TREATMENT PLANT BY ARTIFICIAL NEURAL NETWORK ESTIMATION OF EFFLUENT PARAMETERS AND EFFICIENCY FOR ADAPAZARI URBAN WASTEWATER TREATMENT PLANT BY ARTIFICIAL NEURAL NETWORK ADAPAZARI KENTSEL ATIKSU ARITMA TESĐSĐ ÇIKIŞ SUYU PARAMETRELERĐ VE VERĐM DEĞERLERĐNĐN

Detaylı

SULARIN OZON İLE DEZENFEKSİYONUNDA ORTAYA ÇIKAN İSTENMEYEN YAN ÜRÜNLERDEN BROMATIN TAKİBİ

SULARIN OZON İLE DEZENFEKSİYONUNDA ORTAYA ÇIKAN İSTENMEYEN YAN ÜRÜNLERDEN BROMATIN TAKİBİ SULARIN OZON İLE DEZENFEKSİYONUNDA ORTAYA ÇIKAN İSTENMEYEN YAN ÜRÜNLERDEN BROMATIN TAKİBİ Nur TAŞKIN, Emel ÇALIŞKAN, Erdal KARADURMUŞ Hitit Üniversitesi, Mühendislik Fakültesi, Kimya Mühendisliği Bölümü,

Detaylı

Yapay Sinir Ağları. (Artificial Neural Networks) DOÇ. DR. ERSAN KABALCI

Yapay Sinir Ağları. (Artificial Neural Networks) DOÇ. DR. ERSAN KABALCI Yapay Sinir Ağları (Artificial Neural Networks) J E O L O J İ M Ü H E N D İ S L İ Ğ İ A. B. D. E S N E K H E S A P L A M A Y Ö N T E M L E R İ - I DOÇ. DR. ERSAN KABALCI Yapay Sinir Ağları Tarihçe Biyolojik

Detaylı

CETP KOMPOZİTLERİN DELİNMELERİNDEKİ İTME KUVVETİNİN ANFIS İLE MODELLENMESİ MURAT KOYUNBAKAN ALİ ÜNÜVAR OKAN DEMİR

CETP KOMPOZİTLERİN DELİNMELERİNDEKİ İTME KUVVETİNİN ANFIS İLE MODELLENMESİ MURAT KOYUNBAKAN ALİ ÜNÜVAR OKAN DEMİR CETP KOMPOZİTLERİN DELİNMELERİNDEKİ İTME KUVVETİNİN ANFIS İLE MODELLENMESİ MURAT KOYUNBAKAN ALİ ÜNÜVAR OKAN DEMİR Çalışmanın amacı. SUNUM PLANI Çalışmanın önemi. Deney numunelerinin üretimi ve özellikleri.

Detaylı

İçme suyu kaynaklarında klorlama yan ürünlerinin diferansiyel UV spektroskopi yöntemi ile izlenmesi

İçme suyu kaynaklarında klorlama yan ürünlerinin diferansiyel UV spektroskopi yöntemi ile izlenmesi itüdergisi/e su kirlenmesi kontrolü Cilt:20, Sayı:2, 59-69 Kasım 2010 İçme suyu kaynaklarında klorlama yan ürünlerinin diferansiyel UV spektroskopi yöntemi ile izlenmesi Kadir ÖZDEMİR *, İsmail TORÖZ İTÜ

Detaylı

YAPAY SĠNĠR AĞLARININ EKONOMĠK TAHMĠNLERDE KULLANILMASI

YAPAY SĠNĠR AĞLARININ EKONOMĠK TAHMĠNLERDE KULLANILMASI P A M U K K A L E Ü N İ V E R S İ T E S İ M Ü H E N D İ S L İ K F A K Ü L T E S İ P A M U K K A L E U N I V E R S I T Y E N G I N E E R I N G C O L L E G E M Ü H E N D ĠS L ĠK B ĠL ĠM L E R ĠD E R G ĠS

Detaylı

BAŞKENT ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BENZER SÜREÇLERDE ÜRETİLEN ÜRÜNLER İÇİN YAPAY ZEKA İLE ZAMAN TAHMİNİ SONER ŞÜKRÜ ALTIN

BAŞKENT ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BENZER SÜREÇLERDE ÜRETİLEN ÜRÜNLER İÇİN YAPAY ZEKA İLE ZAMAN TAHMİNİ SONER ŞÜKRÜ ALTIN BAŞKENT ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BENZER SÜREÇLERDE ÜRETİLEN ÜRÜNLER İÇİN YAPAY ZEKA İLE ZAMAN TAHMİNİ SONER ŞÜKRÜ ALTIN YÜKSEK LİSANS TEZİ 2011 BENZER SÜREÇLERDE ÜRETİLEN ÜRÜNLER İÇİN YAPAY

Detaylı

YOLCULUK YARATIMININ YAPAY SİNİR AĞLARI İLE MODELLENMESİ MODELLING OF THE TRIP GENERATION WITH ARTIFICIAL NEURAL NETWORK

YOLCULUK YARATIMININ YAPAY SİNİR AĞLARI İLE MODELLENMESİ MODELLING OF THE TRIP GENERATION WITH ARTIFICIAL NEURAL NETWORK YOLCULUK YARATIMININ YAPAY SİNİR AĞLARI İLE MODELLENMESİ * Nuran BAĞIRGAN 1, Muhammet Mahir YENİCE 2 1 Dumlupınar Üniversitesi, Mühendislik Fakültesi, İnşaat Mühendisliği Bölümü, Kütahya, nbagirgan@dumlupinar.edu.tr

Detaylı

SÜREKLİ DOĞAL GERİLİM VERİLERİNİN YAPAY SİNİR AĞLARI İLE DEĞERLENDİRİLMESİ, DEPREM ve YAĞIŞLARLA İLİŞKİSİ

SÜREKLİ DOĞAL GERİLİM VERİLERİNİN YAPAY SİNİR AĞLARI İLE DEĞERLENDİRİLMESİ, DEPREM ve YAĞIŞLARLA İLİŞKİSİ SÜREKLİ DOĞAL GERİLİM VERİLERİNİN YAPAY SİNİR AĞLARI İLE DEĞERLENDİRİLMESİ, DEPREM ve YAĞIŞLARLA İLİŞKİSİ ÖZET: Petek SINDIRGI 1 ve İlknur KAFTAN 2 1 Yardımcı Doçent Dr. Jeofizik Müh. Bölümü, Dokuz Eylül

Detaylı

PSM 11 PEM YAKIT HÜCRELERİNİN YAPAY SİNİR AĞLARI İLE MODELLENMESİ

PSM 11 PEM YAKIT HÜCRELERİNİN YAPAY SİNİR AĞLARI İLE MODELLENMESİ PSM 11 PEM YAKIT HÜCRELERİNİN YAPAY SİNİR AĞLARI İLE MODELLENMESİ U. Özveren 2, S. Dinçer 1 1 Yıldız Teknik Üniversitesi, Kimya Müh. Bölümü, Davutpaşa Kampüsü, 34210 Esenler / İstanbul e-posta: dincer@yildiz.edu.tr

Detaylı

Geriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı. Mehmet Ali Çavuşlu

Geriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı. Mehmet Ali Çavuşlu Geriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı Mehmet Ali Çavuşlu Özet Yapay sinir ağlarının eğitiminde genellikle geriye

Detaylı

Çok katmanlı ileri sürümlü YSA da standart geri yayıyım ve momentum geri yayılım algoritmalarının karşılaştırılması. (Eğitim/Hata geri yayılım)

Çok katmanlı ileri sürümlü YSA da standart geri yayıyım ve momentum geri yayılım algoritmalarının karşılaştırılması. (Eğitim/Hata geri yayılım) Çok katmanlı ileri sürümlü YSA da standart geri yayıyım ve momentum geri yayılım algoritmalarının karşılaştırılması (Eğitim/Hata geri yayılım) Özetçe Bu çalışmada çok katmanlı ve ileri sürümlü bir YSA

Detaylı

Erdem Işık Accepted: January 2011. ISSN : 1308-7231 erdemis@firat.edu.tr 2010 www.newwsa.com Elazig-Turkey

Erdem Işık Accepted: January 2011. ISSN : 1308-7231 erdemis@firat.edu.tr 2010 www.newwsa.com Elazig-Turkey ISSN:1306-3111 e-journal of New World Sciences Academy 2011, Volume: 6, Number: 1, Article Number: 1A0140 ENGINEERING SCIENCES Received: October 2010 Erdem Işık Accepted: January 2011 Mustafa İnallı Series

Detaylı

Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü. Şekil Tanıma Final Projesi. Selçuk BAŞAK 08501008

Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü. Şekil Tanıma Final Projesi. Selçuk BAŞAK 08501008 Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü Şekil Tanıma Final Projesi Selçuk BAŞAK 08501008 Not: Ödevi hazırlamak için geliştirdiğim uygulama ve kaynak kodları ektedir.

Detaylı

Cam Elyaf Katkılı Betonların Yarmada Çekme Dayanımlarının Yapay Sinir Ağları İle Tahmini

Cam Elyaf Katkılı Betonların Yarmada Çekme Dayanımlarının Yapay Sinir Ağları İle Tahmini 6 th International Advanced Technologies Symposium (IATS 11), 16-18 May 211, Elazığ, Turkey Cam Elyaf Katkılı Betonların Yarmada Çekme Dayanımlarının Yapay Sinir Ağları İle Tahmini S. Yıldız 1, Y. Bölükbaş

Detaylı

MİKROŞERİT HAT ENDÜKTANS BÜYÜKLÜĞÜNÜN BİLGİ TABANLI YAPAY SİNİR AĞLARI ile MODELLENMESİ

MİKROŞERİT HAT ENDÜKTANS BÜYÜKLÜĞÜNÜN BİLGİ TABANLI YAPAY SİNİR AĞLARI ile MODELLENMESİ MİKROŞERİT HAT ENDÜKTANS BÜYÜKLÜĞÜNÜN BİLGİ TABANLI YAPAY SİNİR AĞLARI ile MODELLENMESİ Levent AKSOY e-posta: levent@ehb.itu.edu.tr Neslihan Serap ŞENGÖR e-posta: neslihan@ehb.itu.edu.tr Elektronik ve

Detaylı

Kredi Riski Tahmininde Yapay Sinir Ağları ve Lojistik Regresyon Analizi Karşılaştırılması

Kredi Riski Tahmininde Yapay Sinir Ağları ve Lojistik Regresyon Analizi Karşılaştırılması AJIT e: Online Academic Journal of Information Technology Fall/Güz 2012 Cilt/Vol: 3 Sayı/Num: 9 Kredi Riski Tahmininde Yapay Sinir Ağları ve Lojistik Regresyon Analizi Karşılaştırılması Comparison of Artificial

Detaylı

MONTE CARLO BENZETİMİ

MONTE CARLO BENZETİMİ MONTE CARLO BENZETİMİ U(0,1) rassal değişkenler kullanılarak (zamanın önemli bir rolü olmadığı) stokastik ya da deterministik problemlerin çözümünde kullanılan bir tekniktir. Monte Carlo simülasyonu, genellikle

Detaylı

AKARSULARDA KİRLENME KONTROLÜ İÇİN BİR DİNAMİK BENZETİM YAZILIMI

AKARSULARDA KİRLENME KONTROLÜ İÇİN BİR DİNAMİK BENZETİM YAZILIMI AKARSULARDA KİRLENME KONTROLÜ İÇİN BİR DİNAMİK BENZETİM YAZILIMI *Mehmet YÜCEER, **Erdal KARADURMUŞ, *Rıdvan BERBER *Ankara Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği Bölümü Tandoğan - 06100

Detaylı

DOKTORA DERS BİLGİLERİ

DOKTORA DERS BİLGİLERİ DOKTORA DERS BİLGİLERİ ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ÇEVRE MÜHENDİSLİĞİ BÖLÜMÜ I. GENEL BİLGİLER Ders Adı ÇEM 624 Yüzeysel Su Kalitesi Modellemesi Seçmeli DERS SAATİ: 3 Dönemi Bölümü Ders

Detaylı

KONYA YERALTISUYUNDA DEZENFEKSİYON YAN ÜRÜNLERİ

KONYA YERALTISUYUNDA DEZENFEKSİYON YAN ÜRÜNLERİ S.Ü. Müh.-Mim. Fak. Derg., c.20, s.4, 2005 J. Fac.Eng.Arch. Selcuk Univ., v.20, n.4, 2005 KONYA YERALTISUYUNDA DEZENFEKSİYON YAN ÜRÜNLERİ Mehmet Emin AYDIN, Ali TOR, Gülnihal KARA ve Süheyla YILDIZ S.Ü.

Detaylı

Kırılma Noktası Klorlaması

Kırılma Noktası Klorlaması Kırılma Noktası Klorlaması AMAÇ Farklı oranlarda klor ile amonyağın reaksiyon vermesi sonucu oluşan kalıntı klor ölçümünün yapılması ve verilerin grafiğe aktarılarak kırılma noktasının belirlenmesi. ÖN

Detaylı

Electronic Letters on Science & Engineering 3 (2) (2007) Available online at www.e-lse.org

Electronic Letters on Science & Engineering 3 (2) (2007) Available online at www.e-lse.org Electronic Letters on Science & Engineering 3 (2) (2007) Available online at www.e-lse.org Determination Of Breast Cancer Using ANN Armağan Ebru Temiz 1 1 Sakarya Üniversity Elektronic-Computer Education

Detaylı

Şartlarında Bakteriyel İnaktivasyon Sürecinin İndikatör

Şartlarında Bakteriyel İnaktivasyon Sürecinin İndikatör İçme-Kullanma Suları için Farklı Dezenfeksiyon Şartlarında Bakteriyel İnaktivasyon Sürecinin İndikatör Organizmalar için İncelenmesi İ.Ethem KARADİREK, Selami KARA, Özge ÖZEN, Oğuzhan GÜLAYDIN, Ayşe MUHAMMETOĞLU

Detaylı

Bulanık Mantık Tabanlı Uçak Modeli Tespiti

Bulanık Mantık Tabanlı Uçak Modeli Tespiti Bulanık Mantık Tabanlı Uçak Modeli Tespiti Hüseyin Fidan, Vildan Çınarlı, Muhammed Uysal, Kadriye Filiz Balbal, Ali Özdemir 1, Ayşegül Alaybeyoğlu 2 1 Celal Bayar Üniversitesi, Matematik Bölümü, Manisa

Detaylı

TEST RAPORU. Tasdik Olunur 27/06/2014 Doç.Dr.Aysun YILMAZ Laboratuvar Müdürü. Nisa BEKMEZCİ Laboratuvar Sorumlusu. Rapor No.

TEST RAPORU. Tasdik Olunur 27/06/2014 Doç.Dr.Aysun YILMAZ Laboratuvar Müdürü. Nisa BEKMEZCİ Laboratuvar Sorumlusu. Rapor No. TEST RAPORU Rapor No. Firma Adres Örnek Örnek Ambalajı Örnek Miktarı 16066 Örneğin Alındığı Yer İmal Tarihi Örneğe Uygulanan İşlemler Örnek Taşıma Şartları Örnek Geliş Tarihi Analiz Başlama Tarihi Analiz

Detaylı

İçme Sularının Ozonla Dezenfeksiyonu

İçme Sularının Ozonla Dezenfeksiyonu İçme Sularının Ozonla Dezenfeksiyonu Atiye ATGÜDEN a, Feridun DEMİR b a Harran Üniversitesi, Çevre Mühendisliği Bölümü, Şanlıurfa, 63000 atiyeatguden@gmail.com b Harran Üniversitesi, Çevre Mühendisliği

Detaylı

SİNYAL TEMELLERİ İÇİN BİR YAZILIMSAL EĞİTİM ARACI TASARIMI A SOFTWARE EDUCATIONAL MATERIAL ON SIGNAL FUNDAMENTALS

SİNYAL TEMELLERİ İÇİN BİR YAZILIMSAL EĞİTİM ARACI TASARIMI A SOFTWARE EDUCATIONAL MATERIAL ON SIGNAL FUNDAMENTALS SİNYAL TEMELLERİ İÇİN BİR YAZILIMSAL EĞİTİM ARACI TASARIMI Öğr. Gör. Hakan Aydogan Uşak Üniversitesi hakan.aydogan@usak.edu.tr Yrd. Doç. Dr. Selami Beyhan Pamukkale Üniversitesi sbeyhan@pau.edu.tr Özet

Detaylı

DENEYSEL SONUÇLARIN ANALİZİNDE YAPAY SİNİR AĞLARI KULLANIMI VE BETON DAYANIM TESTİ İÇİN BİR UYGULAMA

DENEYSEL SONUÇLARIN ANALİZİNDE YAPAY SİNİR AĞLARI KULLANIMI VE BETON DAYANIM TESTİ İÇİN BİR UYGULAMA DENEYSEL SONUÇLARIN ANALİZİNDE YAPAY SİNİR AĞLARI KULLANIMI VE BETON DAYANIM TESTİ İÇİN BİR UYGULAMA Özlem HASGÜL Balıkesir Üniversitesi A. Sermet ANAGÜN Osmangazi Üniversitesi Özet Üretim sistemlerinde

Detaylı

ÇATI DÖŞEMESİNDE MEYDANA GELEN YOĞUŞMA VE BUHARLAŞMA KÜTLELERİNİN YAPAY SİNİR AĞLARI İLE TAHMİN EDİLMESİ

ÇATI DÖŞEMESİNDE MEYDANA GELEN YOĞUŞMA VE BUHARLAŞMA KÜTLELERİNİN YAPAY SİNİR AĞLARI İLE TAHMİN EDİLMESİ S.Ü. Müh.-Mim. Fak. Derg., c.21, s.1-2, 2006 J. Fac.Eng.Arch. Selcuk Univ., v.21, n.1-2, 2006 ÇATI DÖŞEMESİNDE MEYDANA GELEN YOĞUŞMA VE BUHARLAŞMA KÜTLELERİNİN YAPAY SİNİR AĞLARI İLE TAHMİN EDİLMESİ Ömer

Detaylı

Tedarik Zinciri Yönetiminde Yapay Zeka Teknikler

Tedarik Zinciri Yönetiminde Yapay Zeka Teknikler Tedarik Zinciri Yönetiminde Yapay Zeka Teknikler Doç.Dr.Mehmet Hakan Satman mhsatman@istanbul.edu.tr İstanbul Üniversitesi 2014.10.22 Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr Tedarik Zinciri

Detaylı

KİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI

KİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI KİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI Hatice YANIKOĞLU a, Ezgi ÖZKARA a, Mehmet YÜCEER a* İnönü Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği

Detaylı

Akreditasyon Sertifikası Eki (Sayfa 1/5) Akreditasyon Kapsamı

Akreditasyon Sertifikası Eki (Sayfa 1/5) Akreditasyon Kapsamı Akreditasyon Sertifikası Eki (Sayfa 1/5) Deney Laboratuvarının Adres : Davutpaşa Kampüsü Esenler 34210 İSTANBUL / TÜRKİYE Akreditasyon No: Tel Faks E-Posta Website : 0212 383 45 51 : 0212 383 45 57 : kimfkl@yildiz.edu.tr

Detaylı

SPEKTROSKOPİK ELİPSOMETRE

SPEKTROSKOPİK ELİPSOMETRE OPTİK MALZEMELER ARAŞTIRMA GRUBU SPEKTROSKOPİK ELİPSOMETRE Birhan UĞUZ 1 0 8 1 0 8 1 0 İçerik Elipsometre Nedir? Işığın Kutuplanması Işığın Maddeyle Doğrusal Etkileşmesi Elipsometre Bileşenleri Ortalama

Detaylı

PARÇA MEKANİĞİ UYGULAMA 1 ŞEKİL FAKTÖRÜ TAYİNİ

PARÇA MEKANİĞİ UYGULAMA 1 ŞEKİL FAKTÖRÜ TAYİNİ PARÇA MEKANİĞİ UYGULAMA 1 ŞEKİL FAKTÖRÜ TAYİNİ TANIM VE AMAÇ: Bireyselliklerini koruyan birbirlerinden farklı özelliklere sahip çok sayıda parçadan (tane) oluşan sistemlere parçalı malzeme denilmektedir.

Detaylı

EÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 3-2 Yıl: 2010 207-219

EÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 3-2 Yıl: 2010 207-219 07 YAPAY SİNİR AĞLARI VE ÇOK DEĞİŞKENLİ İSTATİSTİK YÖNTEMLERLE TRAFİK KAZA MODELLEMESİ NEURAL NETWORKS AND MULTIVARIATE STATISTICAL METHODS IN TRAFFIC ACCIDENT MODELING ÖZET Halim Ferit BAYATA * ve Fatih

Detaylı

İÇME SUYUNDA METAL TAYİNİ YETERLİLİK TESTİ SONUÇLARININ DEĞERLENDİRİLMESİ

İÇME SUYUNDA METAL TAYİNİ YETERLİLİK TESTİ SONUÇLARININ DEĞERLENDİRİLMESİ 17 İÇME SUYUNDA METAL TAYİNİ YETERLİLİK TESTİ SONUÇLARININ DEĞERLENDİRİLMESİ Fatma AKÇADAĞ Emrah UYSAL ÖZET TÜBİTAK Ulusal Metroloji Enstitüsü (UME) Kimya Grubu Laboratuvarları yeterlilik testlerinin önemini

Detaylı

DOLGULU KOLONDA AMONYAK ÇÖZELTİSİNE KARBON DİOKSİTİN ABSORPSİYONU

DOLGULU KOLONDA AMONYAK ÇÖZELTİSİNE KARBON DİOKSİTİN ABSORPSİYONU DOLGULU KOLONDA AMONYAK ÇÖZELTİSİNE KARBON DİOKSİTİN ABSORPSİYONU Duygu UYSAL, Ö. Murat DOĞAN, Bekir Zühtü UYSAL Gazi Üniversitesi, Mühendislik Fakültesi, Kimya Mühendisliği Bölümü ve Temiz Enerji Araştırma

Detaylı

RM39 SU + PROPİYONİK ASİT + OLEİL ALKOL SİSTEMİ ÇÖZÜNÜRLÜK DENGELERİNİN İNCELENMESİ

RM39 SU + PROPİYONİK ASİT + OLEİL ALKOL SİSTEMİ ÇÖZÜNÜRLÜK DENGELERİNİN İNCELENMESİ Yedinci Ulusal Kimya Mühendisliği Kongresi, 5-8 Eylül 26, Anadolu Üniversitesi, Eskişehir RM39 SU + PROPİYONİK ASİT + OLEİL ALKOL SİSTEMİ ÇÖZÜNÜRLÜK DENGELERİNİN İNCELENMESİ M. Bilgin 1, Ç. Arısoy 2, Ş.

Detaylı

Murat Yavuz Solmaz Accepted: January 2011. ISSN : 1308-7231 mysolmaz@firat.edu.tr 2010 www.newwsa.com Elazig-Turkey

Murat Yavuz Solmaz Accepted: January 2011. ISSN : 1308-7231 mysolmaz@firat.edu.tr 2010 www.newwsa.com Elazig-Turkey ISSN:1306-3111 e-journal of New World Sciences Academy 2011, Volume: 6, Number: 1, Article Number: 1A0130 ENGINEERING SCIENCES Received: October 2010 Murat Yavuz Solmaz Accepted: January 2011 Oğuz Yakut

Detaylı

Toz Aktif Karbon Püskürtme İle Dioksin-Furan Giderimi

Toz Aktif Karbon Püskürtme İle Dioksin-Furan Giderimi Toz Aktif Karbon Püskürtme İle Dioksin-Furan Giderimi Sayfa 1 TÜRKTAY 19-20 Ekim 2016 Ankara Yakma Tesisi Dizayn Parametreleri Yakma Kapasite si 35.000 ton/yıl Isıl Değer Enerji kurulu güç 86 Gj/saat 5,2

Detaylı

SİMÜLASYON-YAPAY SİNİR AĞI İLE ESNEK ÜRETİM SİSTEMİ TASARIMI

SİMÜLASYON-YAPAY SİNİR AĞI İLE ESNEK ÜRETİM SİSTEMİ TASARIMI Gazi Üniv. Müh. Mim. Fak. Der. J. Fac. Eng. Arch. Gazi Univ. Cilt 18, No 2, 31-38, 2003 Vol 18, No 2, 31-38, 2003 SİMÜLASYON-YAPAY SİNİR AĞI İLE ESNEK ÜRETİM SİSTEMİ TASARIMI Akif KURT Endüstri Mühendisliği

Detaylı

ve Atık Suda VOC Analizi

ve Atık Suda VOC Analizi GC/MS ve Purge&Trap ile İçme Suyu ve Atık Suda VOC Analizi İ çme suyu ve atık sulardaki VOC bileşiklerin tespit edilmesi ve miktarlarının belirlenmesidir. Son yıllarda artan çevre bilinci kimyasal maddelerin;

Detaylı

Karaciğerde Oluşan Hastalıkların Tespitinde Makine Öğrenmesi Yöntemlerinin Kullanılması

Karaciğerde Oluşan Hastalıkların Tespitinde Makine Öğrenmesi Yöntemlerinin Kullanılması Karaciğerde Oluşan Hastalıkların Tespitinde Makine Öğrenmesi Yöntemlerinin Kullanılması 1 Emre DANDIL Bilecik Ş. Edebali Üniversitesi emre.dandil@bilecik.edu.tr +90228 214 1613 Sunum İçeriği Özet Giriş

Detaylı

Yapay Sinir Ağlarına Giriş. Dr. Hidayet Takçı

Yapay Sinir Ağlarına Giriş. Dr. Hidayet Takçı Yapay Sinir Ağlarına Giriş Dr. Hidayet Takçı htakci@gmail.com http://htakci.sucati.org Giriş Neden Yapay Sinir Ağları (YSA) Bazı işler insanlar tarafından kolaylıkla yerine getirilirken mevcut bilgisayarlar

Detaylı

İÇİNDEKİLER 1. GİRİŞ...

İÇİNDEKİLER 1. GİRİŞ... İÇİNDEKİLER 1. GİRİŞ... 1 1.1. Regresyon Analizi... 1 1.2. Uygulama Alanları ve Veri Setleri... 2 1.3. Regresyon Analizinde Adımlar... 3 1.3.1. Problemin İfadesi... 3 1.3.2. Konu ile İlgili Potansiyel

Detaylı

YÖNEYLEM ARAŞTIRMASI - III

YÖNEYLEM ARAŞTIRMASI - III YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Bu bölümde eşitsizlik kısıtlarına bağlı bir doğrusal olmayan kısıta sahip problemin belirlenen stasyoner noktaları

Detaylı

Günlük Buharlaşmanın Yapay Sinir Ağları Kullanarak Tahmin Edilmesi *

Günlük Buharlaşmanın Yapay Sinir Ağları Kullanarak Tahmin Edilmesi * İMO Teknik Dergi, 2007 4119-4131, Yazı 271 Günlük Buharlaşmanın Yapay Sinir Ağları Kullanarak Tahmin Edilmesi * Emrah DOĞAN* Sabahattin IŞIK** Mehmet SANDALCI*** ÖZ Yapay sinir ağlarının (YSA) hidroloji

Detaylı

Genetik Algoritmalar. Bölüm 1. Optimizasyon. Yrd. Doç. Dr. Adem Tuncer E-posta:

Genetik Algoritmalar. Bölüm 1. Optimizasyon. Yrd. Doç. Dr. Adem Tuncer E-posta: Genetik Algoritmalar Bölüm 1 Optimizasyon Yrd. Doç. Dr. Adem Tuncer E-posta: adem.tuncer@yalova.edu.tr Optimizasyon? Optimizasyon Nedir? Eldeki kısıtlı kaynakları en iyi biçimde kullanmak olarak tanımlanabilir.

Detaylı

Simpleks Yönteminde Kullanılan İlave Değişkenler (Eşitliğin yönüne göre):

Simpleks Yönteminde Kullanılan İlave Değişkenler (Eşitliğin yönüne göre): DP SİMPLEKS ÇÖZÜM Simpleks Yöntemi, amaç fonksiyonunu en büyük (maksimum) veya en küçük (minimum) yapacak en iyi çözüme adım adım yaklaşan bir algoritma (hesaplama yöntemi) dir. Bu nedenle, probleme bir

Detaylı

İçme suyu kaynaklarındaki doğal organik maddelerin zenginleştirilmiş koagülasyon yöntemi ile giderilmesi

İçme suyu kaynaklarındaki doğal organik maddelerin zenginleştirilmiş koagülasyon yöntemi ile giderilmesi itüdergisi/e su kirlenmesi kontrolü Cilt:16, Sayı:1-3, 115-122 2006 İçme suyu kaynaklarındaki doğal organik maddelerin zenginleştirilmiş koagülasyon yöntemi ile giderilmesi Vedat UYAK *, İsmail TORÖZ İTÜ

Detaylı

ERCİYES ÜNİVERSİTESİ KİMYA ANABİLİM DALI

ERCİYES ÜNİVERSİTESİ KİMYA ANABİLİM DALI İlaç Tasarımında Yeni Yazılımların Geliştirilmesi: Elektron Konformasyonel-Genetik Algoritma Metodu ile Triaminotriazin Bileşiklerinde Farmakofor Belirlenmesi ve Nicel Biyoaktivite Hesabı; ERCİYES ÜNİVERSİTESİ

Detaylı

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences İstanbul Ömerli ham suyunda dezenfeksiyon amaçlı klor dioksit kullanımının dezenfeksiyon yan ürün

Detaylı

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 4 Sayı: 3 sh. 1-12 Ekim 2002 KONYA ANA TAHLİYE KANALINDA TRİHALOMETAN POTANSİYELİ

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 4 Sayı: 3 sh. 1-12 Ekim 2002 KONYA ANA TAHLİYE KANALINDA TRİHALOMETAN POTANSİYELİ DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 4 Sayı: 3 sh. 1-12 Ekim 2002 KONYA ANA TAHLİYE KANALINDA TRİHALOMETAN POTANSİYELİ (POTENTIAL of TRIHALOMETHANE (THM) in MAIN DISCHARGE CHANNEL

Detaylı

YEMEK ATIKLARINDAN BİYOGAZ ÜRETİMİ

YEMEK ATIKLARINDAN BİYOGAZ ÜRETİMİ YEMEK ATIKLARINDAN BİYOGAZ ÜRETİMİ A. Pınar TÜZÜM DEMİR 1, S. Ferda MUTLU 1 Ege Üniversitesi, Kimya Mühendisliği Bölümü, 35100, Bornova, İzmir pinar.demir@ege.edu.tr Gazi Üniversitesi, Kimya Mühendisliği

Detaylı

1).S.Ü. MÜH.-MİM. FAKÜLTESİ, MİMARLIK BÖLÜMÜ/KONYA mutosun@selcuk.edu.tr, mustosun@hotmail.com tel: 0542 644 83 19

1).S.Ü. MÜH.-MİM. FAKÜLTESİ, MİMARLIK BÖLÜMÜ/KONYA mutosun@selcuk.edu.tr, mustosun@hotmail.com tel: 0542 644 83 19 YAPILARDA ENERJİ TASARRUFUNA YÖNELİK ÇABALAR İÇİN BİR BİLGİSAYAR ANALİZ PROGRAM MODELİ Dr. Mustafa TOSUN 1 1).S.Ü. MÜH.-MİM. FAKÜLTESİ, MİMARLIK BÖLÜMÜ/KONYA mutosun@selcuk.edu.tr, mustosun@hotmail.com

Detaylı

İSTATİKSEL NORMALİZASYON TEKNİKLERİNİN YAPAY SİNİR AĞIN PERFORMANSINA ETKİSİ

İSTATİKSEL NORMALİZASYON TEKNİKLERİNİN YAPAY SİNİR AĞIN PERFORMANSINA ETKİSİ İSTATİKSEL NORMALİZASYON TEKNİKLERİNİN YAPAY SİNİR AĞIN PERFORMANSINA ETKİSİ Selahattin YAVUZ * Muhammet DEVECİ ** ÖZ Son yıllarda, yapay sinir ağları pek çok alanda uygulanan ve üzerinde en çok araştırma

Detaylı

Mevcut Betonarme Binaların Yapısal Parametrelerinin Binaların Deprem Performansına Etkilerinin Belirlenmesi

Mevcut Betonarme Binaların Yapısal Parametrelerinin Binaların Deprem Performansına Etkilerinin Belirlenmesi Mevcut Betonarme Binaların Yapısal Parametrelerinin Binaların Deprem Performansına Etkilerinin Belirlenmesi 1 Naci Çağlar and 2 Zehra Şule Garip * 1 Faculty of Engineering, Department of Civil Engineering

Detaylı

Yrd. Doç. Dr. Mehmet Güçlü

Yrd. Doç. Dr. Mehmet Güçlü Dersin Adı DERS ÖĞRETİM PLANI Ekonometri I Dersin Kodu ECO 301 Dersin Türü (Zorunlu, Seçmeli) Dersin Seviyesi (Ön Lisans, Lisans, Yüksek Lisans, Doktora) Dersin AKTS Kredisi 6 Haftalık Ders Saati 4 Haftalık

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel

Detaylı

MAK 210 SAYISAL ANALİZ

MAK 210 SAYISAL ANALİZ MAK 210 SAYISAL ANALİZ BÖLÜM 6- İSTATİSTİK VE REGRESYON ANALİZİ Doç. Dr. Ali Rıza YILDIZ 1 İSTATİSTİK VE REGRESYON ANALİZİ Bütün noktalardan geçen bir denklem bulmak yerine noktaları temsil eden, yani

Detaylı

İçme Sularında Dezenfeksiyon Yan Ürünleri (DYÜ) Çukurova Üniversitesi Çevre Mühendisliği Bölümü

İçme Sularında Dezenfeksiyon Yan Ürünleri (DYÜ) Çukurova Üniversitesi Çevre Mühendisliği Bölümü İçme Sularında Dezenfeksiyon Yan Ürünleri (DYÜ) Behzat BALCI Fatma Elçin ERKURT Çukurova Üniversitesi Çevre Mühendisliği Bölümü İçme sularında dezenfeksiyon, mikroorganizmalardan bulaşabilecek hastalıkların

Detaylı

ISSN : Hatay-Turkey YAPAY SİNİR AĞLARI YAKLAŞIMI İLE TAHTAKÖPRÜ BARAJINDAKİ AYLIK BUHARLAŞMA TAHMİNİ

ISSN : Hatay-Turkey YAPAY SİNİR AĞLARI YAKLAŞIMI İLE TAHTAKÖPRÜ BARAJINDAKİ AYLIK BUHARLAŞMA TAHMİNİ ISSN:136-3111 211, Volume: 6, Number: 1, Article Number: 1A132 Fatih Üneş ENGINEERING SCIENCES Hakan Varçin Received: October 21 Kazım Kadir Dindar Accepted: January 211 Mustafa Kemal University Series

Detaylı

KROM (Cr +6 ) ANALİZ YÖNTEMİ VALİDAYON RAPORU VE BELİRSİZLİK HESAPLARI

KROM (Cr +6 ) ANALİZ YÖNTEMİ VALİDAYON RAPORU VE BELİRSİZLİK HESAPLARI Doküman No: R.LAB.5.4.04 Rev.No/Tarih : 00/ Yayın Tarihi: 08.07.2011 Sayfa: 1 / 1 KROM (Cr +6 ) ANALİZ YÖNTEMİ VALİDAYON RAPORU BELİRSİZLİK HESAPLARI Doküman No: R.LAB.5.4.04 Rev.No/Tarih : 00/ Yayın Tarihi:

Detaylı

Fatih Kölmek. ICCI 2012-18.Uluslararası Enerji ve Çevre Fuarı ve Konferansı 25 Nisan 2012, İstanbul, Türkiye

Fatih Kölmek. ICCI 2012-18.Uluslararası Enerji ve Çevre Fuarı ve Konferansı 25 Nisan 2012, İstanbul, Türkiye Fatih Kölmek ICCI 2012-18.Uluslararası Enerji ve Çevre Fuarı ve Konferansı 25 Nisan 2012, İstanbul, Türkiye Türkiye Elektrik Piyasası Dengeleme ve Uzlaştırma Mekanizması Fiyat Tahmin Modelleri Yapay Sinir

Detaylı

AŞINDIRICI SU JETİNİN TEORİK ANALİZİ VE YAPAY SİNİR AĞI YÖNTEMİYLE MODELLENMESİ

AŞINDIRICI SU JETİNİN TEORİK ANALİZİ VE YAPAY SİNİR AĞI YÖNTEMİYLE MODELLENMESİ Eskişehir Osmangazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi Cilt:XXII, Sayı:2, 29 Journal of Engineering and Architecture Faculty of Eskişehir Osmangazi University, Vol: XXII, No:2, 29 Makalenin

Detaylı

ZAMAN SERİSİ ANALİZİNDE MLP YAPAY SİNİR AĞLARI VE ARIMA MODELİNİN KARŞILAŞTIRILMASI

ZAMAN SERİSİ ANALİZİNDE MLP YAPAY SİNİR AĞLARI VE ARIMA MODELİNİN KARŞILAŞTIRILMASI ZAMAN SERİSİ ANALİZİNDE MLP YAPAY SİNİR AĞLARI VE ARIMA MODELİNİN KARŞILAŞTIRILMASI Oğuz KAYNAR * Serkan TAŞTAN ** ÖZ Bu çalışmada zaman serisi analizinde yaygın olarak kullanılan Box-Jenkis modelleri

Detaylı

BİYOLOJİK YÖNTEMLE ARITILAN KENTSEL ATIK SULARIN YENİDEN KULLANIMI İÇİN NANOFİLTRASYON (NF) YÖNTEMİNİN UYGULANMASI

BİYOLOJİK YÖNTEMLE ARITILAN KENTSEL ATIK SULARIN YENİDEN KULLANIMI İÇİN NANOFİLTRASYON (NF) YÖNTEMİNİN UYGULANMASI BİYOLOJİK YÖNTEMLE ARITILAN KENTSEL ATIK SULARIN YENİDEN KULLANIMI İÇİN NANOFİLTRASYON (NF) YÖNTEMİNİN UYGULANMASI Samuel BUNANI a, Eren YÖRÜKOĞLU a, Gökhan SERT b, Ümran YÜKSEL a, Mithat YÜKSEL c, Nalan

Detaylı

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri

Detaylı

Okut. Yüksel YURTAY. İletişim : (264) Sayısal Analiz. Giriş.

Okut. Yüksel YURTAY. İletişim :  (264) Sayısal Analiz. Giriş. Okut. Yüksel YURTAY İletişim : Sayısal Analiz yyurtay@sakarya.edu.tr www.cs.sakarya.edu.tr/yyurtay (264) 295 58 99 Giriş 1 Amaç : Mühendislik problemlerinin bilgisayar ortamında çözümünü mümkün kılacak

Detaylı

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37 İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar

Detaylı

TORNALAMA İŞLEMİNDE KESME KUVVETLERİNİN VE TAKIM UCU SICAKLIĞININ YAPAY SİNİR AĞI İLE TAHMİN EDİLMESİ

TORNALAMA İŞLEMİNDE KESME KUVVETLERİNİN VE TAKIM UCU SICAKLIĞININ YAPAY SİNİR AĞI İLE TAHMİN EDİLMESİ 5. Uluslararası İleri Teknolojiler Sempozyumu (IATS 09), 13-15 Mayıs 009, Karabük, Türkiye TORNALAMA İŞLEMİNDE KESME KUVVETLERİNİN VE TAKIM UCU SICAKLIĞININ YAPAY SİNİR AĞI İLE TAHMİN EDİLMESİ PREDICTION

Detaylı

İSTANBUL TİCARET ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ BİLGİSAYAR SİSTEMLERİ LABORATUARI

İSTANBUL TİCARET ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ BİLGİSAYAR SİSTEMLERİ LABORATUARI İSTANBUL TİCARET ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ BİLGİSAYAR SİSTEMLERİ LABORATUARI Lineer Ayrılabilen Paternlerin Yapay Sinir Ağı ile Sınıflandırılması 1. Biyolojik Sinirin Yapısı Bilgi işleme

Detaylı

Yatay Katmanlı Topraklarda Katman Fiziksel Özelliklerinin Toprak Sıcaklığına Etkisi

Yatay Katmanlı Topraklarda Katman Fiziksel Özelliklerinin Toprak Sıcaklığına Etkisi 1makale:Sablon 30.04.2010 10:39 Page 45 Yatay Katmanlı Topraklarda Katman Fiziksel Özelliklerinin Toprak Sıcaklığına Etkisi Araş. Gör. Arif ÖZBEK Prof. Dr. Tuncay YILMAZ Yrd. Doç. Dr. Alper YILMAZ Prof.Dr.

Detaylı

KAYNAĞINDAN TÜKETİCİYE KADAR İÇME SUYU KALİTESİNİN GARANTİ ALTINA ALINMASI KAYNAK VE ŞEBEKE İZLEME ÇALIŞMALARI. 07 Ekim 2015

KAYNAĞINDAN TÜKETİCİYE KADAR İÇME SUYU KALİTESİNİN GARANTİ ALTINA ALINMASI KAYNAK VE ŞEBEKE İZLEME ÇALIŞMALARI. 07 Ekim 2015 KAYNAĞINDAN TÜKETİCİYE KADAR İÇME SUYU KALİTESİNİN GARANTİ ALTINA ALINMASI KAYNAK VE ŞEBEKE İZLEME ÇALIŞMALARI 07 Ekim 2015 Hach Dünya üzerinde birçok noktada üretim yapar, Avrupa merkezi Düsseldorf tadır.

Detaylı

Yrd.Doç. Dr. Tülin ÇETİN

Yrd.Doç. Dr. Tülin ÇETİN Yrd.Doç. Dr. Tülin ÇETİN ÖĞRENİM DURUMU Derece Üniversite Bölüm / Program Lisans Ege Üniversitesi Bilgisayar Mühendisliği 1987-1992 Lisans Celal Bayar Üniversitesi İnşaat Mühendisliği 2001-2004 Y. Lisans

Detaylı

Mühendislikte Sayısal Çözüm Yöntemleri NÜMERİK ANALİZ. Prof. Dr. İbrahim UZUN

Mühendislikte Sayısal Çözüm Yöntemleri NÜMERİK ANALİZ. Prof. Dr. İbrahim UZUN Mühendislikte Sayısal Çözüm Yöntemleri NÜMERİK ANALİZ Prof. Dr. İbrahim UZUN Yayın No : 2415 İşletme-Ekonomi Dizisi : 147 5. Baskı Eylül 2012 - İSTANBUL ISBN 978-605 - 377-438 - 9 Copyright Bu kitabın

Detaylı

TOC Analiz Cihazı Seçme Kriterleri

TOC Analiz Cihazı Seçme Kriterleri TOC Analiz Cihazı Seçme Kriterleri Aquous conductivity prensibi; Okside olabilen karbonlar molekül ağırlığı küçük karbonlardır ve belli bir dalga boyunda UV ışığı ile okside olabilirler. İletkenlik prensibine

Detaylı

IDC Savunma Sanayii. Antikor tabanlı tanımlama sistemleri birçok üstün özellikler sahiptir. Yüksek hassasiyette ve kısa sürede hızlı sonuç üretme.

IDC Savunma Sanayii. Antikor tabanlı tanımlama sistemleri birçok üstün özellikler sahiptir. Yüksek hassasiyette ve kısa sürede hızlı sonuç üretme. IDC Savunma Sanayii Biyolojik Tabanlı Tanımlama Sistemleri Antikor tabanlı tanımlama sistemleri, biyolojik madde ve mikroorganizmaların tespitinde sayısal ve ayırt edici sonuçlar ile ortamda bulunan biyolojik

Detaylı

İller Bankası A.Ş. Proje Dairesi Başkanlığı İçme Suyu Arıtma Proje Grubu

İller Bankası A.Ş. Proje Dairesi Başkanlığı İçme Suyu Arıtma Proje Grubu Şehnaz ÖZCAN Çevre Mühendisi Teknik Uzman Sevtap Çağlar Çevre Mühendisi Müdür İller Bankası A.Ş. Proje Dairesi Başkanlığı İçme Suyu Arıtma Proje Grubu İÇERİK Giriş Mevcut içmesuyu durumu Projenin amacı

Detaylı

İYC MADENCİLİK SAN. VE TİC. LTD. ŞTİ. NE AİT MUĞLA - FETHİYE YÖRESİ BEJ TÜRÜ KİREÇTAŞININ FİZİKO-MEKANİK ANALİZ RAPORU

İYC MADENCİLİK SAN. VE TİC. LTD. ŞTİ. NE AİT MUĞLA - FETHİYE YÖRESİ BEJ TÜRÜ KİREÇTAŞININ FİZİKO-MEKANİK ANALİZ RAPORU T.C. PAMUKKALE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ PAMUKKALE UNIVERSITY FACULTY OF ENGINEERING İYC MADENCİLİK SAN. VE TİC. LTD. ŞTİ. NE AİT MUĞLA - FETHİYE YÖRESİ BEJ TÜRÜ KİREÇTAŞININ FİZİKO-MEKANİK ANALİZ

Detaylı

KÜTAHYA İLİNİN YAPAY SİNİR AĞLARI KULLANILARAK ELEKTRİK PUANT YÜK TAHMİNİ

KÜTAHYA İLİNİN YAPAY SİNİR AĞLARI KULLANILARAK ELEKTRİK PUANT YÜK TAHMİNİ ELECTRICAL PEAK LOAD FORECASTING IN KÜTAHYA WITH ARTIFICIAL NEURAL NETWORKS. Y. ASLAN * & C. YAŞAR * & A. NALBANT * * Elektrik-Elektronik Mühendisliği Bölümü, Mühendislik Fakültesi Dumlupınar Üniversitesi,

Detaylı

SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER. Abdullah Can

SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER. Abdullah Can SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER SPSS in üzerinde işlem yapılabilecek iki ana ekran görünümü vardır. DATA VIEW (VERİ görünümü) VARIABLE VIEW (DEĞİŞKEN görünümü) 1 DATA VIEW (VERİ görünümü) İstatistiksel

Detaylı

( PİRUVİK ASİT + SU + ALKOL ) ÜÇLÜ SIVI-SIVI SİSTEMLERİNİN DAĞILIM DENGESİNİN İNCELENMESİ

( PİRUVİK ASİT + SU + ALKOL ) ÜÇLÜ SIVI-SIVI SİSTEMLERİNİN DAĞILIM DENGESİNİN İNCELENMESİ TOA17 ( PİRUVİK ASİT + SU + ALKOL ) ÜÇLÜ SIVI-SIVI SİSTEMLERİNİN DAĞILIM DENGESİNİN İNCELENMESİ B. Başlıoğlu, A. Şenol İstanbul Üniversitesi, Mühendislik Fakültesi, Kimya Mühendisliği Bölümü, 34320, Avcılar

Detaylı

Doğrusal Programlama. Prof. Dr. Ferit Kemal Sönmez

Doğrusal Programlama. Prof. Dr. Ferit Kemal Sönmez Doğrusal Programlama Prof. Dr. Ferit Kemal Sönmez Doğrusal Programlama Belirli bir amacın gerçekleşmesini etkileyen bazı kısıtlayıcı koşulların ve bu kısıtlayıcı koşulların doğrusal eşitlik ya da eşitsizlik

Detaylı

İlk Yapay Sinir Ağları. Dr. Hidayet Takçı

İlk Yapay Sinir Ağları. Dr. Hidayet Takçı İlk Yapay Sinir Ağları Dr. Hidayet htakci@gmail.com http://htakci.sucati.org Tek katmanlı algılayıcılar (TKA) Perceptrons (Rosenblat) ADALINE/MADALINE (Widrow and Hoff) 2 Perseptron eptronlar Basit bir

Detaylı

Electronic Letters on Science & Engineering 1(1) 2005 Available online at www.e-lse.org

Electronic Letters on Science & Engineering 1(1) 2005 Available online at www.e-lse.org Electronic Letters on Science & Engineering 1(1) 2005 Available online at www.e-lse.org Solution of Forward Kinematic for Five Axis Robot Arm using ANN A. Mühürcü 1 1 Sakarya University, Electrical-Electronical

Detaylı

ÖĞRENCİLERİNİN SINAV NOTLARI DAĞILIMININ DEĞERLENDİRİLMESİ: İNŞAAT MÜHENDİSLİĞİ ÖĞRENCİLERİ ÖRNEĞİ

ÖĞRENCİLERİNİN SINAV NOTLARI DAĞILIMININ DEĞERLENDİRİLMESİ: İNŞAAT MÜHENDİSLİĞİ ÖĞRENCİLERİ ÖRNEĞİ ÖĞRENCİLERİNİN SINAV NOTLARI DAĞILIMININ DEĞERLENDİRİLMESİ: İNŞAAT MÜHENDİSLİĞİ ÖĞRENCİLERİ ÖRNEĞİ Barış Yılmaz Celal Bayar Üniversitesi, Manisa baris.yilmaz@bayar.edu.tr Tamer Yılmaz, Celal Bayar Üniversitesi,

Detaylı

Öğr. Gör. Barış Alpaslan

Öğr. Gör. Barış Alpaslan Dersin Adı DERS ÖĞRETİM PLANI Matematik I Dersin Kodu ECO 05/04 Dersin Türü (Zorunlu, Seçmeli) Dersin Seviyesi (Ön Lisans, Lisans, Yüksek Lisans, Doktora) Dersin AKTS Kredisi 5 Haftalık Ders Saati 3 Haftalık

Detaylı

Endüstriyel Bir Hidrokraker Reaktörünün Modellenmesi

Endüstriyel Bir Hidrokraker Reaktörünün Modellenmesi Endüstriyel Bir Hidrokraker Reaktörünün Modellenmesi Ümmühan Canan a, Berna Çakal a, Fırat Uzman a, Dila Gökçe a, Emre Kuzu a Yaman Arkun b,* a Türkiye Petrol Rafinerileri A.Ş., Kocaeli, 41790 b Kimya

Detaylı

Çok Katmanlı Algılayıcı (Multilayer Perceptron) DOÇ. DR. ERSAN KABALCI

Çok Katmanlı Algılayıcı (Multilayer Perceptron) DOÇ. DR. ERSAN KABALCI Çok Katmanlı Algılayıcı (Multilayer Perceptron) J E O L O J İ M Ü H E N D İ S L İ Ğ İ A. B. D. E S N E K H E S A P L A M A Y Ö N T E M L E R İ - I DOÇ. DR. ERSAN KABALCI Perceptron Rosenblatt (1962): İlk

Detaylı

RAPOR. O.D.T.Ü. AGÜDÖS Kod No: 08 03 11 1 00 09 3 Kasım, 2008

RAPOR. O.D.T.Ü. AGÜDÖS Kod No: 08 03 11 1 00 09 3 Kasım, 2008 BMB Technology İçin Life 2 O Water BMB1000 Serisi Su Arıtma Cihazının Sularda Bakteri ve Kimyasalların Arıtım Performansının Araştırılması Projesi O.D.T.Ü. Danışman Prof. Dr. Celal F. GÖKÇAY RAPOR O.D.T.Ü.

Detaylı

EÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 7-1 Yıl: 2014 1-18

EÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 7-1 Yıl: 2014 1-18 LAZERLE KESMENİN DENEYSEL ANALİZİ VE YAPAY SİNİR AĞLARI YÖNTEMİ İLE MODELLENMESİ EXPERIMENTAL ANALYSIS OF THE LAZER CUTTING AND MODELING WITH ARTIFICIAL NEURAL NETWORK METHOD Bekir ÇIRAK 1 ve Zülfünaz

Detaylı