Research Article
BibTex RIS Cite

Bölgesel Zemin Büyütmesi için Bayesçi ve Frekansçı Karma Etkiler Yaklaşımı

Year 2026, Volume: 17 Issue: 1, - , 26.03.2026
https://doi.org/10.24012/dumf.1827304
https://izlik.org/JA47YK34TT

Abstract

Bölgesel zemin etkilerinin doğru şekilde ele alınması, kısmi ergodik olmayan Yer Hareketi Modelleri (GMM) için kritik öneme sahiptir. Bu çalışma, dönem-bağımlı zemin büyütmesini tahmin etmek amacıyla brms ile uygulanan Bayesçi hiyerarşik regresyonu, lmer kullanılarak yapılan frekansçı karma etkiler formülasyonu ile karşılaştırmaktadır. Her iki model de aynı fonksiyonel yapıyı kullanmakta olup küresel (global) bir doğrusal terim, doğrusal olmayan bir terim ve bölgeye özgü rastgele eğim sapmalarını içermektedir. Analiz, VS30, büyüklük ve mesafe bakımından geniş bir aralığı kapsayan ve dört bölgeye ayrılan güncellenmiş Türkiye kuvvetli yer hareketi veri tabanı (SMD-TR) kullanmaktadır. Sonuçlar, küresel davranış açısından güçlü bir uyum olduğunu göstermektedir: doğrusal ve doğrusal olmayan terimler her iki yaklaşımda da benzer dönem eğilimleri sergilemekte, birleşik bölgesel eğimler tüm periyotlarda neredeyse özdeştir. Artıkların toplam standart sapması da büyük ölçüde aynıdır; bu da modellerin benzer uyum kalitesi sunduğunu göstermektedir. Farklılıklar esas olarak ayrıştırma ve belirsizlik temsiliyle ilgilidir. Bayesçi model, periyot-bağımlı bölgesel özellikleri daha keskin biçimde çözmekte—özellikle T ≈ 0.8 s civarında havza/kenar etkileriyle uyumlu bir tepe gözlenmektedir—lmer ise daha yumuşak ve daha temkinli sapmalar üretmektedir. Medyan tahminler için her iki yaklaşım da uygundur; çünkü birleşik katsayılar ve toplam standart sapma büyük ölçüde çakışmaktadır. Ancak yorumlama ve belirsizlik yayılımı açısından—özellikle dönem-bağımlı bölgesel yapı önemli olduğunda—Bayesçi yaklaşım tercih edilmelidir. Buna ek olarak brms, zayıf bilgilendirici önbilgilerin fiziksel beklentileri modele yansıtmasına imkân tanımakta; bu durum veri azlığı olan rejimlerde tahminleri kararlı hâle getirmekte ve aşırı uyumu engellemektedir. Genel olarak, sonuçlar her bir yaklaşımın hangi koşullarda daha uygun olduğunu netleştirmektedir: fiziksel olarak kısıtlanmış çıkarım ve sağlam belirsizlik değerlendirmesi gerektiğinde brms; yalnızca medyan tahminlerin amaçlandığı durumlarda ise hız ve basitlik avantajıyla lmer tercih edilmelidir.

Project Number

124M595

References

  • [1] N. A. Abrahamson and R. R. Youngs, “A stable algorithm for regression analyses using the random effects model,” Bull. Seismol. Soc. Am., vol. 82, pp. 505–510, 1992, doi: 10.1785/BSSA0820010505.
  • [2] L. Al Atik, N. A. Abrahamson, J. J. Bommer, F. Scherbaum, F. Cotton, and N. Kuehn, “The variability of ground-motion prediction models and its components,” Seismol. Res. Lett., vol. 81, pp. 794–801, 2010, doi: 10.1785/gssrl.81.5.794.
  • [3] N. M. Kuehn and N. A. Abrahamson, “Spatial correlations of ground motion for non-ergodic seismic hazard analysis,” Earthq. Eng. Struct. Dyn., vol. 49, pp. 4–23, 2020, doi: 10.1002/eqe.3221.
  • [4] A. İçen and M. A. Sandıkkaya, “Region specific ground-motion predictive models for shallow active regions,” J. Earthq. Eng., vol. 27, no. 15, pp. 4449–4468, 2023, doi: 10.1080/13632469.2023.2167890.
  • [5] M. A. Sandıkkaya, S. Akkar, Ö. Kale, and E. Yenier, “A simulation-based regional ground-motion model for Western Türkiye,” Bull. Earthq. Eng., vol. 21, no. 7, pp. 3221–3249, 2023, doi: 10.1007/s10518-023-01611-3.
  • [6] M. A. Sandıkkaya, Ö. Kale, S. Akkar, and E. Yenier, “A simulation-based regional ground-motion model for Eastern Türkiye,” Bull. Earthq. Eng., vol. 22, pp. 2363–2388, 2025, doi: 10.1007/s10518-024-02058-w.
  • [7] N. M. Kuehn and F. Scherbaum, “Ground-motion prediction model building: A multilevel approach,” Bull. Earthq. Eng., vol. 13, no. 9, pp. 2481–2491, 2015, doi:
  • [8] P. J. Stafford, “Continuous integration of data into ground-motion models using Bayesian updating,” J. Seismol., vol. 23, no. 1, pp. 39–57, 2019, doi: 10.1007/s10950-018-9792-3.
  • [9] N. Kuehn, Y. Bozorgnia, K. W. Campbell, and N. Gregor, “Partially non-ergodic ground-motion model for subduction regions using the NGA-Subduction database,” PEER Report 2020/04, Pacific Earthquake Engineering Research Center, Berkeley, CA, 2020.
  • [10] E. Seyhan and J. P. Stewart, “Semi-empirical nonlinear site amplification from NGA-West2 data and simulations,” Earthq. Spectra, vol. 30, no. 3, pp. 1241–1256, 2014, doi: 10.1193/063013EQS181M.
  • [11] J. P. Stewart and E. Seyhan, Semi-Empirical Nonlinear Site Amplification and its Application in NEHRP Site Factors, PEER Report 2013/13, Pacific Earthquake Engineering Research Center, Berkeley, CA, 2013.
  • [12] J. P. Stewart et al., Expert Panel Recommendations for Ergodic Site Amplification in Central and Eastern North America, PEER Report 2017/04, Pacific Earthquake Engineering Research Center, Berkeley, CA, 2017, doi: 10.55461/TZSY8988.
  • [13] A. Rodríguez-Marek, V. Montaldo, F. Cotton, N. A. Abrahamson, and L. Al Atik, “Application of single-station sigma and site-response characterization in a probabilistic seismic-hazard analysis for a new nuclear site,” Bull. Seismol. Soc. Am., vol. 104, no. 4, pp. 1601–1619, 2014, doi: 10.1785/0120130196.
  • [14] N. A. Abrahamson, N. M. Kuehn, M. Walling, and N. Landwehr, “Probabilistic seismic hazard analysis in California using nonergodic ground-motion models,” Bull. Seismol. Soc. Am., vol. 109, no. 4, pp. 1235–1249, 2019, doi: 10.1785/0120190030.
  • [15] D. Bates, M. Mächler, B. Bolker, and S. Walker, “Fitting linear mixed-effects models using lme4,” J. Stat. Softw., vol. 67, no. 1, pp. 1–48, 2015, doi: 10.18637/jss.v067.i01.
  • [16] P.-C. Bürkner, “brms: An R package for Bayesian multilevel models using Stan,” J. Stat. Softw., vol. 80, no. 1, pp. 1–28, 2017, doi: 10.18637/jss.v080.i01.
  • [17] M. A. Sandıkkaya et al., “An updated strong-motion database of Türkiye (SMD-TR),” Earthq. Spectra, vol. 40, no. 1, pp. 847–870, 2024, doi: 10.1177/87552930231208158.
  • [18] İçen, A., 2026. Regionalized Bayesian site amplification models for Türkiye. Bulletin of Earthquake Engineering, 24, pp.1–25. https://doi.org/10.1007/s10518-025-02351-2.

Bayesian vs. Frequentist Mixed-Effects for Regional Site Amplification

Year 2026, Volume: 17 Issue: 1, - , 26.03.2026
https://doi.org/10.24012/dumf.1827304
https://izlik.org/JA47YK34TT

Abstract

Accurate treatment of regional site effects is essential for partially non-ergodic Ground-Motion Models (GMMs). This study compares a Bayesian hierarchical regression implemented with brms to a frequentist mixed-effects formulation using lmer for estimating period-dependent site amplification. Both models adopt the same functional form with a global linear term, a nonlinear term, and region-specific random slope deviations. The analysis uses residuals from the updated Türkiye strong-motion database (SMD-TR), spanning four regions and wide ranges of VS30, magnitude, and distance. Results indicate strong agreement in global behavior: linear and nonlinear terms show similar period trends in both frameworks, and the combined regional slopes are essentially identical at all periods. The overall residual standard deviation is also nearly the same, implying comparable fit quality. Differences primarily concern decomposition and uncertainty representation. The Bayesian model resolves sharper period-dependent regional features—most notably a peak near T ≈ 0.8 s consistent with basin/edge effects—while lmer yields smoother, more conservative deviations. For median predictions, either framework is suitable because the combined coefficients and overall standard deviation coincide. For interpretation and uncertainty propagation—especially when period-dependent regional structure matters—the Bayesian approach is preferable. In addition, brms permits weakly informative priors that encode physical expectations, which stabilizes estimates in data-sparse regimes and helps prevent overfitting. Taken together, these results clarify when each framework is most appropriate: brms for physically constrained inference and robust uncertainty quantification, lmer for speed and simplicity when median predictions are the primary goal

Ethical Statement

There is no need to obtain permission from the ethics committee for the article prepared.

Supporting Institution

Scientific and Technological Research Council of Türkiye (TÜBİTAK)

Project Number

124M595

Thanks

This work was supported by the Scientific and Technological Research Council of Türkiye (TÜBİTAK) under grant 124M595.

References

  • [1] N. A. Abrahamson and R. R. Youngs, “A stable algorithm for regression analyses using the random effects model,” Bull. Seismol. Soc. Am., vol. 82, pp. 505–510, 1992, doi: 10.1785/BSSA0820010505.
  • [2] L. Al Atik, N. A. Abrahamson, J. J. Bommer, F. Scherbaum, F. Cotton, and N. Kuehn, “The variability of ground-motion prediction models and its components,” Seismol. Res. Lett., vol. 81, pp. 794–801, 2010, doi: 10.1785/gssrl.81.5.794.
  • [3] N. M. Kuehn and N. A. Abrahamson, “Spatial correlations of ground motion for non-ergodic seismic hazard analysis,” Earthq. Eng. Struct. Dyn., vol. 49, pp. 4–23, 2020, doi: 10.1002/eqe.3221.
  • [4] A. İçen and M. A. Sandıkkaya, “Region specific ground-motion predictive models for shallow active regions,” J. Earthq. Eng., vol. 27, no. 15, pp. 4449–4468, 2023, doi: 10.1080/13632469.2023.2167890.
  • [5] M. A. Sandıkkaya, S. Akkar, Ö. Kale, and E. Yenier, “A simulation-based regional ground-motion model for Western Türkiye,” Bull. Earthq. Eng., vol. 21, no. 7, pp. 3221–3249, 2023, doi: 10.1007/s10518-023-01611-3.
  • [6] M. A. Sandıkkaya, Ö. Kale, S. Akkar, and E. Yenier, “A simulation-based regional ground-motion model for Eastern Türkiye,” Bull. Earthq. Eng., vol. 22, pp. 2363–2388, 2025, doi: 10.1007/s10518-024-02058-w.
  • [7] N. M. Kuehn and F. Scherbaum, “Ground-motion prediction model building: A multilevel approach,” Bull. Earthq. Eng., vol. 13, no. 9, pp. 2481–2491, 2015, doi:
  • [8] P. J. Stafford, “Continuous integration of data into ground-motion models using Bayesian updating,” J. Seismol., vol. 23, no. 1, pp. 39–57, 2019, doi: 10.1007/s10950-018-9792-3.
  • [9] N. Kuehn, Y. Bozorgnia, K. W. Campbell, and N. Gregor, “Partially non-ergodic ground-motion model for subduction regions using the NGA-Subduction database,” PEER Report 2020/04, Pacific Earthquake Engineering Research Center, Berkeley, CA, 2020.
  • [10] E. Seyhan and J. P. Stewart, “Semi-empirical nonlinear site amplification from NGA-West2 data and simulations,” Earthq. Spectra, vol. 30, no. 3, pp. 1241–1256, 2014, doi: 10.1193/063013EQS181M.
  • [11] J. P. Stewart and E. Seyhan, Semi-Empirical Nonlinear Site Amplification and its Application in NEHRP Site Factors, PEER Report 2013/13, Pacific Earthquake Engineering Research Center, Berkeley, CA, 2013.
  • [12] J. P. Stewart et al., Expert Panel Recommendations for Ergodic Site Amplification in Central and Eastern North America, PEER Report 2017/04, Pacific Earthquake Engineering Research Center, Berkeley, CA, 2017, doi: 10.55461/TZSY8988.
  • [13] A. Rodríguez-Marek, V. Montaldo, F. Cotton, N. A. Abrahamson, and L. Al Atik, “Application of single-station sigma and site-response characterization in a probabilistic seismic-hazard analysis for a new nuclear site,” Bull. Seismol. Soc. Am., vol. 104, no. 4, pp. 1601–1619, 2014, doi: 10.1785/0120130196.
  • [14] N. A. Abrahamson, N. M. Kuehn, M. Walling, and N. Landwehr, “Probabilistic seismic hazard analysis in California using nonergodic ground-motion models,” Bull. Seismol. Soc. Am., vol. 109, no. 4, pp. 1235–1249, 2019, doi: 10.1785/0120190030.
  • [15] D. Bates, M. Mächler, B. Bolker, and S. Walker, “Fitting linear mixed-effects models using lme4,” J. Stat. Softw., vol. 67, no. 1, pp. 1–48, 2015, doi: 10.18637/jss.v067.i01.
  • [16] P.-C. Bürkner, “brms: An R package for Bayesian multilevel models using Stan,” J. Stat. Softw., vol. 80, no. 1, pp. 1–28, 2017, doi: 10.18637/jss.v080.i01.
  • [17] M. A. Sandıkkaya et al., “An updated strong-motion database of Türkiye (SMD-TR),” Earthq. Spectra, vol. 40, no. 1, pp. 847–870, 2024, doi: 10.1177/87552930231208158.
  • [18] İçen, A., 2026. Regionalized Bayesian site amplification models for Türkiye. Bulletin of Earthquake Engineering, 24, pp.1–25. https://doi.org/10.1007/s10518-025-02351-2.
There are 18 citations in total.

Details

Primary Language English
Subjects Earthquake Engineering, Civil Geotechnical Engineering
Journal Section Research Article
Authors

Abdullah İçen 0000-0002-7721-1186

Project Number 124M595
Submission Date November 20, 2025
Acceptance Date January 14, 2026
Publication Date March 26, 2026
DOI https://doi.org/10.24012/dumf.1827304
IZ https://izlik.org/JA47YK34TT
Published in Issue Year 2026 Volume: 17 Issue: 1

Cite

IEEE [1]A. İçen, “Bayesian vs. Frequentist Mixed-Effects for Regional Site Amplification”, DUJE, vol. 17, no. 1, Mar. 2026, doi: 10.24012/dumf.1827304.

Aim & Scope

Temel mühendislik alanında deneysel ve teorik çalışmalara yer veren Dicle Üniversitesi Mühendislik Dergisi, mühendisliğin popüler konuları ile ilgili makalelerin yayınlanmasına öncelik vermekte ve multidisipliner yöntem ve teknolojilere odaklanmayı hedeflemektedir.

Dicle Üniversitesi Mühendislik Dergisi, çok disiplinli bir dergidir ve temel mühendislik konularını içerir. Derginin amacı, bilim ve teknolojideki en popüler gelişmeleri araştırmacılara, mühendislere ve diğer ilgili kitlelere ulaştırmaktır.

Dicle Üniversitesi Mühendislik Fakültesi Dergisi (DUMF), mühendisliğin çeşitli alanlarında özgün araştırma makalelerinin yanı sıra derleme makalelerini de yayınlayan, hakemli, açık erişimli bir dergidir. Derginin kapsadığı konu alanları şunlardır:


-Elektrik ve Elektronik Mühendisliği
-Bilgisayar ve Yazılım Mühendisliği
-Biyomedikal Mühendisliği
-Makine Mühendisliği
-Cevher Hazırlama ve Maden Mühendisliği
-İnşaat Mühendisliği

DUMF Dergisi makale yükleme aşamasında gerekli olan genel yazım formatına sahiptir. Makalenizi yazarken yükleme öncesi bu formatı kullanma ihtiyacı duyabilirsiniz. Süreci kolaylaştırmak açısından indirmeye hazır word formatları sizler için sunulmuştur.

Türkçe Makale Şablonu (*.docx)
İngilizce Makale Şablonu (*.docx) (tavsiye edilen)

Makaleniz revizyon aşamasında iken makalenizin kabulü için gereklilikleri yerine getirip çalışmanızı doğru bir formatta sisteme yüklemelisiniz.


Kör Hakemlik:
Gönderdiğiniz makale hakemlere gönderileceğinden, metin içerisinde yazarlar hakkında tanımlayıcı herhangi bir bilgiye yer vermemeniz son derece önemlidir.
Lütfen potansiyel tanımlayıcı bilgiler için metnin gövdesini gözden geçirin ve tüm öz atıfların hem metin içi atıflar hem de referanslar için Yazar (Yıl) olarak belirtildiğinden emin olun.


Makale Yapısı
Giriş
Çalışmanın amaçlarını belirtin ve ayrıntılı bir literatür taramasından veya sonuçların bir özetinden kaçınarak çalışma ile ilgili yeterli bir literatür zemini sağlayınız.

Materyal ve Metod
Çalışmanın diğer bir araştırmacı tarafından izlenilmesine imkan vermek için yeterli ayrıntı sağlayınız. Çalışmada kullanılan yöntemler özetlenmeli ve bir referans ile belirtilmelidir. Doğrudan daha önce yayınlanmış bir yöntemden alıntı yapıyorsanız, tırnak işaretleri kullanınız ve ayrıca kaynak belirtiniz. Mevcut yöntemlerde yapılacak herhangi bir değişiklik de açıklanmalıdır.

Sonuçlar
Sonuçlar açık ve net olmalıdır.

Tartışma
Bu kısım çalışmanın önemini vurgulamalı, sonuçların tekrarını içermemelidir. Sonuçlar ve tartışma kısmı birlikte de verilebilir. Literatürdeki çalışmalara büyük oranda atıfta bulunup tartışmaktan kaçınılmalıdır.


Sonuç
Çalışmanın ana sonuçları, tek başına veya bir Tartışma veya Sonuçlar ve Tartışma bölümünün bir alt bölümünü oluşturabilecek kısa bir Sonuçlar bölümü olarak da sunulabilir.

Teşekkür
Bu bölümde, yazarın katkısı veya finansman bölümlerinin dışında herhangi bir desteğe yer verebilirsiniz. Bu kısım, idari ve teknik desteği veya ayni bağışları (örneğin deneyler için kullanılan malzemeler) içerebilir.

Referanslar
Kaynakların IEEE atıf stili ile hazırlanması tavsiye edilir. Formatın detayları şablon dosyasında verilmiştir.

ORCID zorunluluğu
Dergimize makale gönderen yazarların ORCID numaralarını eklemeleri gerekmektedir. ORCID, Open Researcher ve Contributor ID'nin kısaltmasıdır. ORCID, Uluslararası Standart Ad Tanımlayıcı (ISNI) olarak da bilinen ISO Standardı (ISO 27729) ile uyumlu 16 haneli numaralı bir URL'dir. Bireysel ORCID için http://orcid.org adresinden ücretsiz kayıt oluşturabilirsiniz.

Telif Hakkı

Kabul edilen makalelerin yazarları, makalenin telif hakkını DUMF'ye devretmeyi ve DUMF'nin stiline bağlı kalarak nihai hallerini elektronik ortamda göndermeyi kabul etmelidir.


Dergi İntihal Politikası
Dicle Üniversitesi Mühendislik Dergisi, makaleleri/derlemeleri intihal açısından değerlendirme politikasına sahiptir. Dergimize makale göndermeden önce uygun intihal yazılım programları (iThenticate, Turnitin vb.) ile makalenizdeki benzerlik durumu/oranını kontrol etmeniz önerilir. Bu doğrultuda dergimize gönderilen makaleler/derlemeler ön değerlendirmeye tabi tutulur; Turnitin yazılımı ile belirlenen benzerlik oranı %30'un altında olan yazılar Yayın Kurulumuz tarafından kabul edilecektir. Belirtilen oranın (%30) üzerinde olan makaleler/incelemeler yazar(lar)a iade edilir.

Gönderim Sırasında Gerekli Dosyalar:

1) İntihal Formu (Makaleler IThenticate, Turnitin vb. raporlarla birlikte değerlendirilecektir)

2) Hakem Öneri Formu

3) Telif Hakları Devri Formu

4) Ön Yazı



Revizyon  Sırasında Yazar tarafından yüklenmesi gerekli dosyalar:

1) Hakemlere Cevap Formu

2) Yapılan Değişiklikleri Gösteren Makale Dosyası

3) Makalenin Son Hali


Kabul sonrası yüklenmesi gereken dosyalar

1) Makalenin basıma hazır hali (yazar bilgileri eklenmiş versiyon)

İlgili makale çalışmanın yapıldığı kurum(lar)la ilgili uygun etik kurullar tarafından onaylandığına ve deneklerin çalışmayla ilgili bilgilendirilip onay verdiğine dair bir ifade içermelidir.

Etik Kurul izni gerektiren araştırmalar aşağıdaki gibidir:

-Katılımcılardan anket, görüşme, odak grup çalışması, gözlem, deney, görüşme teknikleri kullanılarak veri toplanmasını gerektiren nitel veya nicel yaklaşımlarla yürütülen her türlü araştırma.

-İnsan ve hayvanların (materyal/veri dahil) deneysel veya diğer bilimsel amaçlarla kullanılması

-İnsanlar üzerinde klinik araştırma

-Hayvanlar üzerinde araştırma

-Kişisel verilerin korunması kanununa uygun olarak geriye dönük çalışmalar

-Başkalarına ait ölçek, anket ve fotoğrafların kullanımı için izin alınması ve sahiplerinin belirtilmesi

-Kullanılan fikir ve eserlerde telif haklarına uyulduğunun belirtilmesi

Yayın Kurulunun 5 Ekim 2022 tarihli kararına göre talep edilen ücret miktarı revize edilmiştir.

Her makale gönderimi için "500TL" makale işletim ücreti talep edilmektedir. Bu ücret, Derginin profesyonel dizgisi için kullanılır. İlgili makale işletim ücreti kabul/red şartına bakılmaksızın makale gönderim sırasında talep edilmektedir.

Ücret Ödenecek Hesap Bilgileri:

Türk Lirası Hesabı (Banka/Şube): VakıfBank, Dicle Üniversitesi Bağlı Şubesi
Hesap Adı: Dicle Universitesi Muhendislik Fakultesi Dekanlığı
Hesap No: 00158007306834414
IBAN: TR300001500158007306834414

NOT: İlgili APC ödemesi makaleniz ön değerlendirmeden geçtikten sonra Dergi sekreteryasından alacağınız ön onay mesajı sonrası yapılmaktadır.
Lütfen Editör Kurulunun yapacağı ön değerlendirme sonrası Dergipark sistemi üzerinden alacağınız mesajı bekleyiniz.

Tel: +90-412 241 10 00 (3637)

E-posta: muhendislikdergisi@dicle.edu.tr

Baş Editör

Deep Learning, Neural Networks, Classification Algorithms, Evolutionary Computation

Editör Kurulu

Fuzzy Computation, Electrical Engineering, Electrical Energy Transmission, Networks and Systems, Electrical Energy Generation (Incl. Renewables, Excl. Photovoltaics), Electrical Machines and Drives, Photovoltaic Power Systems, Power Electronics, Renewable Energy Resources
Engineering, Mining Engineering, Mine Design, Management and Economy, Mining Methods and Mine System Analysis, Optimization in Manufacturing

Visiting Professor at Oxford University, Dr. Idris Bedirhanoglu, who holds Bachelor and MSc degrees in Civil Engineering, got his Ph.D. from Istanbul Technical University with a co-advisor from Purdue University where he did a part of his PhD. He has been a Professor of Structural Engineering at Dicle University since March 2023. He worked as a Research Scientist at the Engineering Faculty of New York University Abu Dhabi in 2018-2019. He is the author/co-author of more than 40 journals (SCI or SCIE) or international conference papers and a co-author of four book chapters. He is on the Editorial Board of M. of J. of World Architecture and Engineering News (2014-2016), and a reviewer of more than 20 journals (SCI or SCIE). He is skilled in structural analysis, particularly in evaluating existing structures and retrofitting. As well, he has provided consultancy to more than 100 industrial projects. He has served as a member of the Technical Delegation to Evaluate Objections to Risky Building Detections (Ministry of Environment and Urbanization, General Directorates for Environment and Urbanization), vice chair of the Civil Engineering Department at Dicle University (2018-2019) and chair of the structural engineering laboratory (2010-2018). His main research interests include seismic design and evaluation of RC and historical structures, retrofitting buildings with FRP composites or textile fibers, recycling concrete, nondestructive testing, fuzzy logic, and finite element analysis.

Civil Engineering, Reinforced Concrete Buildings, Earthquake Engineering, Structural Engineering
Installation Technologies, Renewable Energy Resources , Mechanical Engineering, Energy Generation, Conversion and Storage (Excl. Chemical and Electrical)

Teknik Editör

Dicle Üniversitesi'nden Elektrik-Elektronik Mühendisliği alanında 2017 yılında  yüksek lisans derecesini, 2023 yılında doktora derecesini aldı. 2025 yılında Wake Forest University School of Medicine Center for Artificial Intelligence Research'de PostDoc derecesi aldı. Şuan Dicle Üniversitesi'nden Elektrik-Elektronik Mühendisliği bölümünde  Dr. Öğr. Üyesi olarak görev yapmaktadır. Araştırma ilgi alanları arasında Medikal Görüntü İşleme, Derin Öğrenme, Makine Öğrenmesi, Tıbbi Bilişim, Dijital Patoloji yer almaktadır.

Pattern Recognition, Machine Learning, Deep Learning, Biomedical Sciences and Technology, Electrical Engineering, Signal Processing