Yazar "Kaya, Zülküf" seçeneğine göre listele

Listeleniyor 1 - 3 / 3
  • [ X ]
    Öğe
    Akko XIII yenidünya (Eriobatrya japonica Lindl.) ağaçlarına artan dozlarda uygulanan N, $P_2O_5, K_2O$ ve Ahır gübresinin yaprakların bitki besin madde içeriklerine etkileri
    (2000) Doran, İlhan; Kaya, Zülküf
    Çalışma, 1989 yılında Akko XIII yenidünya çeşidi ile kurulan denemenin 1993-1995 yılları arasındaki dilimini kapsamakta olup, azot, fosfor ve potasyum içerikli gübrelerin kombinasyonları ile ahır gübresi dozlarının yaprakların element miktarlarına etkileri araştırılmıştır. Ticari gübre uygulanmış ağaçların yapraklarındaki Ca dışındaki elementlerin, ahır gübresi uygulanmış ağaçların yapraklarındaki elementlerden düşük oldukları belirlenmiştir. Ticari gübre uygulanan ağaçlarda verim ile yaprakların N, P ve K içerikleri arasında pozitif ilişkiler belirlenirken, kalite özellikleri ile yaprakların P miktarı arasında negatif, K miktarı arasında pozitif ilişkiler saptanmıştır.
  • [ X ]
    Öğe
    Diyarbakır koşullarında farklı çinko uygulamalarının makarnalık buğday ve arpanın verim ve verim unsurlarına etkileri
    (2002) Yıldırım, Mehmet; Akıncı, Cuma; Gül, İsmail; Doran, İlhan; Özberk, Fethiye; Kaya, Zülküf
    [Abstract Not Available]
  • Küçük Resim
    Öğe
    Predicting liquefaction-induced lateral spreading by using the multigene genetic programming (MGGP), multilayer perceptron (MLP), and random forest (RF) techniques
    (Springer Science and Business Media, 2023) Kaya, Zülküf; Latifoğlu, Levent; Uncuoğlu, Erdal; Erol, Aykut; Keskin, Mehmet Salih
    Landslides refer to a wide range of processes that result in the downward and outward movement of slope-forming materials, which may spread. Estimating lateral spreading of soil is essential because of the complexities associated with the lateral spreading behavior. Existing empirical models for predicting liquefaction-induced lateral spread displacement are developed using a dataset that varied in terms of earthquake magnitude, source distance, ground slope, layer thickness, fines content, and grain size. The aim of this study is to increase the accuracy of earthquake-induced lateral spreading prediction using multigene genetic programming (MGGP), multilayer perceptron (MLP), and random forest (RF) model. MGGP, MLP, and RF model predictions of lateral spreading are compared with the results anticipated using machine learning techniques and conventional approaches. Results showed that the MGGP outperforms the Hamada, Youd, MLP, and RF equations for estimating maximum lateral displacement under free-face and gently sloping ground conditions according to the comparisons. The MGGP, which is proved to be better, was also utilized to estimate total lateral displacement for Adapazari data, along with machine learning techniques and conventional approaches.