Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
BETONARME YAPILARDA ONARIM VE GÜÇLENDİRME	Birinci Düzey	MİM 629		1	7.50	7.50	Yazdır

Dersin Tanımı

Ön Koşul Dersleri	-
Eğitimin Dili	Türkçe
Koordinatör	PROF. DR. İBRAHİM ÖZGÜR DENEME
Dersi Veren Öğretim Eleman(lar)ı	PROF. DR. İBRAHİM ÖZGÜR DENEME
Yardımcı Öğretim Eleman(lar)ı	-
Dersin Veriliş Şekli	Teorik
Dersin Amacı	Hasarlı ve hasarsız yapıların onarım güçlendirilmesine ilişkin teknik ve yöntemlerin öğretilmesi ve uygulamalarda kullanılacak malzemeler hakkında gerekli bilgilerin verilmesi. Türkiye Bina Deprem Yönetmeliği kapsamında yapıların deprem etkisi altında şekil değiştirmeye göre değerlendirilmesi ve tasarımı, ve mevcut binaların deprem etkisindeki performansının değerlendirilmesi ve güçlendirilmesi için gerekli adımların öğrenilmesidir. Böylece öğrencilere Hasarlı ve hasarsız yapıların onarım güçlendirilmesinde kullanılan yöntemler hakkında bilgi ve beceri kazandırmaktır
Dersin Tanımı	Genel Bilgiler. Onarım ve güçlendirme kavramları. Hasar şekilleri ve nedenleri. Onarım ve güçlendirme teknikleri. Kiriş, kolon, perde ve temellerde onarım ve güçlendirme yöntemleri. Deprem Yer hareketi. Yeni yapılacak veya mevcut yapıların deprem etkisi altında şekil değiştirmeye göre değerlendirme ve tasarımı. Mevcut binalardan bilgi toplanması. Yapı elemanlarında hasar sınırları ve hasar bölgeleri. Deprem hesabına ilişkin genel ilke ve kurallar. Doğrusal ve doğrusal olmayan hesap yöntemleri ile deprem hesabı. Şekil değiştirme sınırları. Bina deprem performansının belirlenmesi. Bina performans düzeyleri. Binaların güçlendirilmesi.

Dersin İçeriği

1	Genel Bilgiler
2	Onarım ve Güçlendirme Kavramları
3	Hasar Şekilleri ve Nedenleri. Onarım ve Güçlendirme Teknikleri
4	Kirişlerde Onarım ve Güçlendirme
5	Kolonlarda Onarım ve Güçlendirme
6	Perdelerde ve Temel Sistemlerinde Onarım ve Güçlendirme
7	Deprem Yer hareketi
8	Yeni Yapılacak veya Mevcut Yapıların Deprem Etkisi Altında Şekil Değiştirmeye Göre Değerlendirme ve Tasarımı
9	Arasınav
10	Türkiye Bina Deprem Yönetmeliği
11	Doğrusal ve Doğrusal Olmayan Hesap Yöntemleri
12	Şekil Değiştirme Sınırları
13	Bina Deprem Performansının Belirlenmesi. Bina Performans Düzeyleri
14	Tasarım Uygulamaları
15
16
17
18
19
20

Dersin Öğrenme Çıktıları

1	Onarım ve Güçlendirme Kavramlarını Öğrenme.
2	Hasar Şekilleri ve Nedenleri. Onarım ve Güçlendirme Tekniklerini Öğrenme
3	Deprem Yer Hareketi Hakkında Bilgi Sahibi Olma .
4	Türkiye Bina Deprem Yönetmeliği hakkında bilgi sahibi olma.
5	Doğrusal ve Doğrusal Olmayan Hesap Yöntemlerini Hakkında Bilgi Sahibi Olma.
6
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi

1	Toprak Bilimi ve Bitki Besleme konularında temel kuramsal bilgileri öğrenebilme
2	Temel Bilim ve Mühendislik bilgilerini kullanma becerisi kazanma
3	Toprak Bilimi ve Bitki Besleme konularında temel kuramsal bilgileri uygulayabilme becerisi kazanma
4	Toprak Bilimi ve Bitki Besleme temelinde toprak, bitki, gübre, su ve çevresel atıkların analiz tekniklerini öğrenebilmek ve bu teknikleri toprak verimliliği ile ilgili sorunların çözümüne yönelik olarak kullanabilme becerisi kazanma
5	Doğal kaynakların izlenmesi ve planlanmasında Uzaktan Algılama ve Coğrafi Bilgi Sistemleri tekniklerini anlama ve kullanma becerisi kazanma
6	Arazi yönetimi ve kullanım planlaması konusunda temel kavramları ve kuramları anlama ve kullanma becerisi kazanma
7	Ülkemizde ve Dünyada Toprak Bilimi ve Bitki Besleme alanındaki sorunları görebilme, analiz etme, çözüm üretme ve çözüm önerilerini yazılı ve sözlü olarak topluma aktarma becerisi kazanma
8	Toprak Bilimi ve Bitki Besleme alanındaki ulusal ve uluslararası yenilikleri takip etmek ve kendisini sürekli yenileme ve geliştirme becerisi kazanma
9	Mesleki uygulamalar sırasında elde ettiği bulguları ülke çıkarları ile tarım ve çevre korumayı gözeterek uygulayabilme becerisi kazanma
10	Toprak Bilimi ve Bitki Besleme alanındaki sorunlara çözüm üretebilmeye yönelik araştırma - geliştirme projelerinde yer alabilecek bilgi ve beceriye sahip olma
11	Toprak, su ve diğer doğal kaynakların tanınması, planlanması, korunması ve sürdürülebilir kullanımı ile iş sağlığı ve güvenliği konularında bilgi sahibi olma
12	Ziraat Mühendisliği Mesleğinin etik değerlerine ve gerekli bilimsel formasyona sahip bireyler olarak takım çalışması içerisinde yer alabilmek ve gerektiğinde sorumluluk üstlenebilme
13	Yazılı ve sözlü iletişimde Türk dilini etkin kullanabilmek; alanıyla ilgili uluslararası literatürü izleyebilme ve iletişim kurabilme açısından yabancı dil ve bilgisayar bilgisine sahip olma
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
Yıldızların sayısı 1’den (en az) 5’e (en fazla) kadar katkı seviyesini ifade eder

Planlanan Öğretim Faaliyetleri, Öğretme Metodları ve AKTS İş Yükü

	Sayısı	Süresi (saat)	Sayı*Süre (saat)
Yüz yüze eğitim	13	3	39
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme)	13	3	39
Ödevler	8	5	40
Sunum / Seminer hazırlama	2	3	6
Kısa sınavlar	0	0	0
Ara sınavlara hazırlık	0	0	0
Ara sınavlar	1	10	10
Proje (Yarıyıl ödevi)	1	10	10
Laboratuvar	0	0	0
Arazi çalışması	0	0	0
Yarıyıl sonu sınavına hazırlık	0	0	0
Yarıyıl sonu sınavı	0	0	0
Araştırma	10	4	40
Toplam iş yükü			184
AKTS			7.50

Değerlendirme yöntemleri ve kriterler

Yarıyıl içi değerlendirme	Sayısı	Katkı Yüzdesi
Ara sınav	1	50
Kısa sınav	0	0
Ödev	1	50
Yarıyıl içi toplam		100
Yarıyıl içi değerlendirmelerin başarıya katkı oranı		40
Yarıyıl sonu sınavının başarıya katkı oranı		60
Genel toplam		100

Önerilen Veya Zorunlu Okuma Materyalleri

Ders kitabı	Richard Szeliski, Computer Vision: Algorithms and Applications, Microsoft Research (online book), 2010.
Yardımcı Kaynaklar	Richard Hartley & Andrew Zisserman, "Multiple View Geometry in Computer Vision", Cambridge University Press, March 2004. David Forsyth and Jean Ponce, Computer Vision: A Modern Approach, Prentice-Hall, 2003. Gary Bradski and Adrian Kaehler, "Learning OpenCV: Computer Vision with the OpenCV Library", Oreilly, 2008. Szeliski''s W ebsite Trevor Darrell''s CS 280 Computer V ision class at Berkeley Antonio T orralba''s 6.869 Advances in Computer V ision class at MIT Michael Black''s CS 143 Introduction to Computer Vision class at Brown Kristen Grauman''s CS 378 Computer Vision class at UT Austin Alyosha Efros'' 15-463 Computational Photography classes at Carnegie Mellon Alyosha Efros'' 16-721 Learning-Based Methods in Vision classes at Carnegie Mellon Pascal Fua''s CS-442 Introduction to Computer V ision class at EPFL CS 143 Introduction to Computer Vision CS 131 Computer Vision: Foundations and Applications Machine Vision Foundations of Computer V ision

Ders İle İlgili Dosyalar

DBP Hakkında

Ders Hakkında

Bölüm Hakkında