Browsing by Author "Othman, Mohammed Moatasem Othman"

Now showing 1 - 2 of 2

Betonarme Kaplı Çelik Kompozit Kolonlar ve Betonarme Kirişlerin Sonlu Elemanlar Yöntemine Göre Analizi
(2021) Othman, Mohammed Moatasem Othman; Tunç, Gökhan; Mertol, Halit Cenan; Civil Engineering
Kompozit yapı sistemi, betonarme yapı sistemi ve çelik yapı sistemi olmak üzere iki ana yapısal sistem içermektedir. Bu çalışmada, kompozit kolon-kiriş bağlantısının kesme ve eksenel yük göçmeleri altındaki dinamik davranışını incelemek amacı ile daha önce laboratuvarda test edilen iki numune LS-DYNA yazılımı ile modellenmiştir. İlk numune Yüksek Süneklikli (HD), ikincisi Düşük Süneklikli (LD) olup, donatı detayları Türk Deprem Yönetmeliğine (TEC 18) göre tasarlanmış ve sonrasında da analiz sonuçları deney numunelerinin sonuçları ile karşılaştırılmıştır. Bu çalışmada, incelenen numune modellerinin çatlak ve göçme davranışları, yük-deplasman eğrileri, sönümleme ve rijitlikteki azalma araştırılmıştır. Ayrıca, çelik profilin kolon kesidinde bulunup bulunmaması, kullanılan betonun basınç mukavemet değerleri, çelik profil türü ve süneklik gibi parametrelerin değiştirilmesiyle çerçevelerin performansının nasıl etkileneceğine yönelik iki modele dayalı ön çalışma esas alınarak LS-DYNA'da 12 numune daha oluşturularak gerekli analizler yapılmıştır. Sonuçlar, sonlu eleman modellerinin deneysel teste yakın bir sonuç verdiğini, ayrıca sünekliği yüksek numunenin düşük süneklikli numuneye göre nispeted daha iyi sismik performans sergilediğini göstermektedir. Ayrıca, parametrik çalışma, çeliğin türünden bağımsız olarak çerçevedeki çeliğin kullanılabilirliğinin çerçevenin sismik performansını iyileştirmek için en önemli parametre olduğunu, daha sonra önem açısından ikinci parametre olarak beton kalitesinin geldiğini, çelik profil türünün ise ikinci parametre olduğunu göstermektedir. Analiz sonuçlarına göre komposit kolonlu çerçevelerde kesme donatısı oranınını çerçevenin dinamik davranışı üzerinde çok büyük bir etkisi olmadığı görülmüştür.
Citation - Scopus: 7
Modeling of Daily Groundwater Level Using Deep Learning Neural Networks
(Murat Yakar, 2023) Othman, Mohammed Moatasem Othman
Groundwater is an essential water source, becoming more vital due to shortages in available surface water resources. Hence, monitoring groundwater levels can show the amount of water available to extract and use for various purposes. However, the groundwater system is naturally complex, and we need models to simulate it. Therefore, we employed a deep learning model called CNN-biLSTM neural networks for modeling groundwater, and the data was obtained from USGS. The data included daily groundwater levels from 2002 to 2021, and the data was divided into 95% for training and 5% for testing. Besides, three deep CNN-biLSTM models were employed using three different algorithms (SGDM, ADAM, and RMSprop(. Also, Bayesian optimization was used to optimize parameters such as the number of biLSTM layers and the number of biLSTM units. The model's performance was based on Spearman's Rank-Order Correlation (r), and the model with SGDM showed the best results compared to other models in this study. Finally, the CNN model with LSTM can simulate time series data effectively.