@article{article_1697574, title={FARKLI YAPISAL ÖZELLİKLERDEKİ ÖRME KUMAŞLARIN PATLAMA MUKAVEMETİNİN MAKİNE ÖĞRENMESİ YÖNTEMLERİYLE MODELLENMESİ VE TAHMİNİ}, journal={Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi}, volume={29}, pages={390–400}, year={2026}, DOI={10.17780/ksujes.1697574}, url={https://izlik.org/JA89GT99PM}, author={Berkhan Kastaci, Bilge}, keywords={linear regression, artificial neural network, support vector machines, multivariate adaptive regression curves, sensitivity analysis}, abstract={Örme kumaşların patlama mukavemeti, çok eksenli ve ani basınçlara karşı dayanımı belirleyen kritik bir mekanik özelliktir ve spor–performans, tıbbi tekstil ve koruyucu giyim uygulamalarında önemli bir rol oynar. Ancak geleneksel test yöntemleri zaman ve maliyet açısından sınırlayıcıdır. Bu nedenle, kumaşın yapısal ve fiziksel özelliklerine dayalı tahmin modellerinin geliştirilmesi üretim verimliliği ve kalite kontrol açısından önemli avantajlar sunmaktadır. Bu çalışmada, 56 farklı konstrüksiyona sahip örme kumaştan elde edilen deneysel veriler kullanılarak çeşitli makine öğrenmesi algoritmalarıyla patlama mukavemeti tahmin modelleri geliştirilmiştir. Girdi parametreleri literatür bulguları, korelasyon analizi ve Varyans Şişirme Faktörü (VIF) sonuçlarına göre belirlenmiştir. Doğrusal regresyon (LR), çok değişkenli ayarlanabilir regresyon eğrileri (MLR) ve destek vektör makinelerinde regresyon (SMOreg) modelleri, k-katlı çapraz doğrulamada en yüksek tahmin performansını göstermiştir. Duyarlılık analizi, LR ve SMOreg modellerinde çubuk sıklığının, MLR modelinde ise iplik mukavemetinin tahmin performansını en az etkileyen parametre olduğunu ortaya koymuştur. Bu bulgular, makine öğrenmesi tabanlı yaklaşımların örme kumaşların mekanik özelliklerinin öngörülmesinde etkili ve uygulanabilir bir alternatif sunduğunu göstermektedir.}, number={1}