EFFECT OF GREEN ROOF SYSTEMS ON THE TEMPERATURE DECREASE OF ROOFS WITH ARTIFICAL NEURAL NETWORKS – ŞANLIURFA EXAMPLE


AYATA T., ERDEMİR D.

2. INTERNATIONAL SYMPOSIUM ON ENVIRONMENT AND MORALITY, Adıyaman, Türkiye, 24 - 26 Ekim 2014, no.140, ss.879-889

  • Basıldığı Şehir: Adıyaman
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.879-889

Özet

Yeşil çatı sistemleri yavaş yavaş Türkiye’de de ticari olarak kullanılmaya başlanmıştır. Bu sebeple yeşil çatının yurdumuz atmosfer şartlarına göre performansının değerlendirilmesi önem arzetmektedir. Gün boyu yüksek sıcaklıkların yaşandığı bölgelerde, bina üzerinde büyük sıcaklık alanları oluşmaktadır. Bina çatısında oluşan ısı kazançlarının önüne yeşil çatı sistemleriyle geçilebilir. Bu sayede, binanın konfor şartlarının sağlanması için daha az enerji harcanabilir. Bu çalışmada Şanlıurfa örneğinde yeşil çatının, çatı üzerindeki sıcaklık düşümüne etkisi Yapay Sinir Ağları metodu kullanılarak incelenmiştir. Bunun için, dünyadaki değişik iklim bölgelerindeki şehirlere ait iklim verileri ve yeşil çatı kullanımında çatı üzerindeki sıcaklık düşüm değerleri kullanılmıştır. Yapay Sinir Ağları yönteminde, %4,01 RMSE ve % 96,35 R2 değerleri ile tatmin edici sonuçlara verir. Sonuçta, Şanlıurfa iklim verileri için değerlendirme yapılmış ve Şanlıurfa için çatı üzerindeki sıcaklık düşüm değerleri elde edilmiştir.

Recently, green roof systems have been commercially used in Turkey. For this reason, it is important to evaluate the performance of the green roof according to our country’s atmospheric conditions. High temperature areas appear on roofs at regions where high temperatures are experienced during the day. Heat gain on the roof of the building can be avoided with green roof systems. In this way, the building would spend less energy to ensure comfort conditions. In this study, effect of green roofs on the temperature drop on the roof was investigated by using Artificial Neural Networks for Şanlıurfa example. For this, climate datas of cities in different climatic zones in the world and temperature drop values on the green roofs were used. Artificial Neural Networks gave satisfactory results with RMSE of 4.01% and successful R2 of 96.35%. Finally, climatic data have been analyzed and the temperature gradient values were obtained on the roof for Şanlıurfa.