2 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 2 / 2
Öğe Kıra Dağı (Batman) bazaltlarının petrojenezi(Batman Üniversitesi, 2014) Kalkan, Ali Özcan; Çoban, HakanBu Yüksek Lisans tez çalışması kapsamında, Batman ili, Kıra Dağı yöresinde yüzeylenen bazaltların mineralojik ve jeokimyasal özellikleri, petrolojisi ortaya konulmaya çalışılmıştır. Pliyosen yaşlı Kıra Dağı bazaltları, bazanit ve trakibazalt olarak sınıflandırılmıştır. Genç ekstansiyonel tektonik ile yeryüzüne çıkmış olan Kıra Dağı trakibazaltlarının mineralojisini plajiyoklas, sanidin, olivin, piroksen ve opak mineraller oluşturmaktadır. Karacadağ bazaltları ile karşılaştırıldığında, jeokimyasal olarak Karacadağ bazaltları tipik OIB-benzeri astenosferik karakter gösterirken, Kıra Dağı bazaltlarının zenginleşmiş bir litosferik mantoya doğru eğilim gösteren bir karaktere sahip oldukları ortaya konmuştur. Jeokimyasal veriler Kıra Dağı bazaltlarının kıta-içi bir ortamda, astenosferik manto akışlarına bağlı olarak astenosferik bir mantonun önceden zenginleşmiş litosferik bir manto ile etkileşimini yansıtmaktadır. Jenezlerinde kabuksal kontaminasyon önemli bir rol oynamamış olup kimyasal olarak heterojen bir manto kaynağından farklı derecedeki kısmı ergime sonucu oluştukları belirlenmiştir.Öğe XRD’de X-ışını kırınım verilerinin yapay zekâ yöntemleri ile analizi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-10-14) Kalkan, Ali Özcan; Ertuğrul, Ömer FarukBu tezde, X-Işını Kırınımı (XRD) verilerinin yapay sinir ağları (ANN) ve k-En Yakın Komşu (kNN) algoritmaları kullanılarak analiz edilmesi incelenmiştir. XRD, kristal yapılarının belirlenmesinde yaygın olarak kullanılan güçlü bir teknik olmasına rağmen, karmaşık ve doğrusal olmayan verilerin analizi geleneksel yöntemlerle sınırlı kalmaktadır. Bu çalışmada, XRD verilerinin analizine yapay zeka temelli makine öğrenimi tekniklerinin entegre edilmesiyle, bu sınırlamaların aşılması hedeflenmiştir. Tez kapsamında, Erzurum ve çevresinden alınan volkanosedimanter kayaç örneklerinden elde edilen XRD verileri üzerinde ANN ve kNN algoritmaları uygulanmıştır. ANN, malzeme özelliklerini yüksek doğrulukla tahmin edebilmiş ve kristal yapılar arasındaki karmaşık ilişkileri etkili bir şekilde modellemiştir. KNN algoritması ise, XRD verilerinde faz ve kristal yapıların sınıflandırılmasında başarıyla kullanılmıştır. Farklı K değerleri ile yapılan deneyler, küçük K değerlerinin yerel yapılara daha duyarlı olduğunu, büyük K değerlerinin ise daha genelleştirilebilir tahminler sunduğunu ortaya koymuştur. Ayrıca, model performansını değerlendirmek için gelişmiş çapraz doğrulama teknikleri kullanılmıştır. Bu teknikler, aşırı öğrenme riskini azaltarak, modelin genelleme yeteneğini artırmıştır. Çalışmada kullanılan ANN ve kNN modelleri, faz değişimlerinin tespitinde ve kristal yapıların sınıflandırılmasında önemli başarılar elde etmiştir. Bu tez, XRD verilerinin analizinde yapay zeka temelli yöntemlerin uygulanabilirliğini göstermiş ve bu alandaki bilimsel araştırmaların daha derinlemesine ve doğru sonuçlara ulaşmasına katkı sağlamıştır.
