No abstract

Orman yangını, ormanda yaşama birliği içinde bulunan canlı ve cansız bütün varlıkları yakarak yok eden, ekonomik ve ekolojik zararları olan bir afettir. Son yıllarda küresel ısınma sebebi ile mevsim normalleri üzerinde seyreden sıcaklıklar ve kuraklıklar orman yangını riskini daha da artırmaktadır. Orman yangınları nedeniyle meydana gelen zararı en aza indirmek için yangınla mücadelede erken uyarı, hızlı ve etkin müdahale çok önemlidir. Makine öğrenmesi yöntemleri ise günümüzde erken uyarı sistemlerinde kullanılmaktadır. Bu çalışmada orman yangınlarıyla mücadele için olası orman yangınını önceden tahmin ederek yangınların kontrol edilmesi ve etkisinin azaltılması hedeflenmiştir. Orman yangını tahmin modeli için veri seti, NASA’nın Oak Ridge Ulusal Laboratuvarı (ORNL) Dağıtılmış Aktif Arşiv Merkezi’nin (DAAC) resmi web sitesinden alınarak geliştirilmiştir. Bu veriler makine öğrenmesi yöntemleriyle işlenerek orman yangını tahmin modeli oluşturulmuştur. Veri setine çeşitli ön işleme adımı uygulayarak sınıflandırma modeline uygun hale getirilmiştir. Öznitelik seçme teknikleri ile veri setinin tümü kullanılmadan en yüksek oranda veri bütünlüğü sağlanarak en az sayıda öznitelik alt kümesi seçilmiştir. Hedef değişkeni bulmada en önemli ve en faydalı öznitelikler seçilerek makine öğrenmesi algoritmalarından Destek Vektör Makinesi, Karar Ağacı, Rasgele Orman, Gradyan Artırma, K-En Yakın Komşu ve Naive Bayes olmak üzere 6 farklı sınıflandırma algoritmaları ile model oluşturulmuştur. Model performansını değerlendirmek için validasyon işlemi ve en iyi parametre seçimi için ise hiperparametre optimizasyonu yapılmıştır. Bu çalışmada kullanılan sınıflandırma algoritmaları arasında validasyon işlemi ile birlikte en başarılı iki algoritmadan Rasgele Orman ile %97 ve Naive Bayes ile %96 doğruluk oranı elde edilmiştir.

Biocompatibility of orthopaedic surgical implants with bone tissue allows adequate osseointegration between the bone and implant. To achieve this, implants are coated with biocompatible materials. The costly plasma spray procedure is routinely used to coat implants but uses high temperatures (over 16,000 degrees C), which affect the surface quality and microstructure of the implant. We analysed the effect of sintering temperature, time and rate on coated and uncoated implants using a dipping method. The effectiveness of synthetic hydrated calcium silicate compound as an interlayer was also investigated, using the dipping method and electrophoretic deposition. Sintering temperature, time and rate all affected the quality of the bond with the coating, but the interlayer bonded effectively with both implant and biocompatible coating. Electrophoretic deposition resulted in imperfect bonding and some irregularity on the substrate surface was seen. This technique may be improved by using coating particles of a smaller size.

In this study, the deformation performance of galvanized deep drawing steel is investigated depending on coating thickness and forming limit of non-alloy pure zinc coated steel. Regarding to this; 100 and 150 g/m2 Zn-coated samples are used to see the relevance with finite element analysis. To determine the deformation condition of Zn coating the samples were prepared at different elongation levels, then the samples are examined with surface views and cross-sectional analyses with scanning electron microscope to observe the amount of deformation at the onset of crack in the zinc coating cross-section. The change of zinc coating with elongation at cross-section region of the material will be investigated via microstructural analyses. It is aimed to determine the most suitable zinc coating level depending on the deep drawing amount in interstitial free (IF) steel usage. Furthermore, the performance of zinc coating will be investigated with finite element analyses with the goal of validating experimental results. Depending on the results of this study, the influence of zinc coating for a physical component will be carried out as a new study.