Geri Dön

Saydam iletken oksitlerin elektriksel iletkenliklerinin ve optik geçirgenliklerinin yapay zeka teknikleriyle analiz edilmesi

Analysis of electrical conductivity and optical transmittance of transparent conducting oxides using artificial intelligence techniques

  1. Tez No: 1017777
  2. Yazar: BEYZA TÖNBÜL
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ALİ OSMAN ÖZKAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Necmettin Erbakan Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu tez çalışması kapsamında saydam iletken oksitlerin optimize edilmesinde ayarlanan parametreler kullanılarak bu parametreler Yapay Sinir Ağları (YSA) ve Uyarlamalı Sinirsel Bulanık Çıkarım Sistemi (ANFIS) modellerine girdi değişkeni olarak verilerek saydam iletken oksitlerin elektriksel ve optik özellikleri tahmin edilmeye çalışılmıştır. Çalışma kapsamında elektriksel özelliklerin tahmini için katman ve veri setindeki eğitim, doğrulama ve test oranları değiştirilerek geliştirilen 65 farklı YSA modeli incelenmiş ve modeller içinde en iyi R2 değerleri 0,9998 olarak G04, H05 ve P05 kodlu modellerinde olduğu görülerek doğrulama sonuçları değerlendirildiği zaman ise en iyi R2 değeri E02 kodlu 0,98386561 olarak tespit edilmiştir. Test sonuçları incelendiği zaman ise en iyi R2 değeri ise L04 kodlu numunede 0,9998 olarak elde edilmiştir. Aynı yapı korunarak optik özellikleri tahmin etmek için geliştirilen yapay sinir ağları kullanılarak yine 65 farklı model oluşturulmuş ve eğitilen modeller değerlendirildiğinde en iyi R2 değerleri 0,99680256 olarak M12 kodlu modelde olduğu gözlemlenerek doğrulama sonuçları değerlendirildiği zaman ise en iyi R2 değeri B11 kodlu modelde 0,79121025 olarak tespit edilmiştir. Test sonuçları değerlendirildiğinde ise en iyi R2 değeri ise E15 kodlu numune de 0,95238081 olarak görülmüştür. Geliştirilen ANFIS modellerinde farklı üyelik fonksiyonu, üyelik sayısı ve döngü (epoch) kullanılarak elektriksel özelliklerin tahmini için 105 farklı ANFIS modeli oluşturulmuş ve eğitilen modellerin eğitim parametreleri değerlendirildiğinde ise en iyi R2 değerleri H03, H04, H05, H06, H07, N01, P01, P02, P03, P04, P05, P06 ve P07 kodlu modellerde gözlemlenerek 0,9999 olarak bulunmuştur. Test sonuçları değerlendirildiği zaman ise en iyi R2 değerleri H02, H03, H04, H05, H06 ve H07 kodlu modellerde elde edilerek 0,4721 olarak gözlemlenmiştir. Optik özelliklerin tahmini için aynı yapı kıyas kolaylığı için korunarak 105 farklı ANFIS model geliştirilmiştir. Eğitim sonuçlarından elde edilen veriler değerlendirildiği zaman ise en iyi R2 değerleri L14, L15, L16, L17, N15, N16 ve N17 kodlu modellerde elde edilerek 0,7161 olduğu gözlemlenmiştir. Test sonuçları değerlendirildiği zaman ise en iyi R2 değerleri L14, L15, L16 ve L17 kodlu modellerde elde edilerek 0,3841 olarak bulunmuştur. Sonuçlar kıyaslandığı zaman hem elektriksel özelliklerin tahmininde hem de optik özelliklerin tahmininde yapay sinir ağları yöntemi ANFIS yönteminden daha iyi sonuçlar verdiği gözlemlenmiştir.

Özet (Çeviri)

This thesis aims to predict the electrical and optical properties of transparent conductive oxides by optimizing these oxides and providing the adjusted parameters as input variables to ANN (Artificial Neural Network) and ANFIS models. In this study, 65 different ANN models were developed by varying the training, validation, and test ratios in the layers and datasets for predicting electrical properties. The best R2 values were found to be 0.9998 in models coded G04, H05, and P05. When the validation results were evaluated, the best R2 value was determined to be 0.98386561 in model coded E02. When the test results were examined, the best R2 value was obtained as 0.9998 in sample coded L04. Using artificial neural networks developed to predict optical properties while maintaining the same structure, 65 different models were created and trained. When the trained models were evaluated, it was observed that the best R2 value was 0.99680256 in the model coded M12, and when the validation results were evaluated, the best R2 value was determined to be 0.79121025 in the model coded B11. When the test results were evaluated, the best R2 value was observed in sample coded E15 as 0.95238081. Using different membership functions, membership numbers, and epochs, 105 different ANFIS models were created for the prediction of electrical properties. When the training parameters of the trained models were evaluated, the best R2 values were observed in models coded H03, H04, H05, H06, H07, N01, P01, P02, P03, P04, P05, P06, and P07, and were found to be 0.9999. When the test results were evaluated, the best R2 values were obtained in models coded H02, H03, H04, H05, H06, and H07, and were observed as 0.4721. For ease of comparison, the same structure was maintained and 105 different ANFIS models were developed for the prediction of optical properties. When the data obtained from the training results were evaluated, the best R2 values were obtained in the models coded L14, L15, L16, L17, N15, N16, and N17, and it was observed that the R2 value was 0.7161. When the test results were evaluated, the best R2 values were obtained in the models coded L14, L15, L16, and L17, and it was found to be 0.3841. When the results were compared, it was observed that the artificial neural network method gave better results than the ANFIS method in both predicting electrical and optical properties.

Benzer Tezler

  1. Tez No

    488140

    Fotovoltaik uygulamalar için sıçratma yöntemi ile üretilen ZnO ince filmlerde katkı elementlerinin etkisi

    Etching of the thin films produced with sputtering method effects of the doping elements and photovoltaic applications

    ÜMMÜ MUSTAFAOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    EnerjiYıldız Teknik Üniversitesi

    Metalurji ve Malzeme Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET KARAASLAN

  2. Tez No

    767146

    Çinko oksit ince filmlerin kemometrik yaklaşımla üretimi ve karakterizasyonu

    Production and characterization of zinc oxide thin films with a chemometric approach

    ÖMER OTUZBİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    KimyaHatay Mustafa Kemal Üniversitesi

    Kimya Ana Bilim Dalı

    PROF. DR. YASİN YÜCEL

  3. Tez No

    726807

    Elektron demeti buharlaştırma yöntemi ile hazırlanmış tungsten oksit ince filmler üzerine detaylı bir çalışma: Elektrokromik cihaz üretimi ve karakterizasyonları

    A detailed study on tungsten oxide thin films prepared by electron beam evaporation method: Electrochromic device preperation and characterizations

    DİLEK EVECAN

    Doktora

    Türkçe

    Türkçe

    2022

    Fizik ve Fizik Mühendisliğiİstanbul Teknik Üniversitesi

    Fizik Mühendisliği Ana Bilim Dalı

    PROF. DR. ESRA ZAYİM

  4. Tez No

    694445

    Sb+5/Mg+2 çift ikameli In2O3 saydam iletken oksitlerin(Mg2x/3In2-xSbx/3O3) yüksek sıcaklık katı hal reaksiyonu yöntemi ile üretilmesi ve fiziksel özelliklerinin karakterize edilmesi

    Synthesis of Sb+5/Mg+2 double-substituted In2O3 (Mg2x/3In2-xSbx/3O3) transparent conductor oxides by high temperature solid state reaction method and characterizing their physical properties

    AYŞENUR ŞAHİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Fizik ve Fizik MühendisliğiOsmaniye Korkut Ata Üniversitesi

    Fizik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NAZMİ SEDEFOĞLU

  5. Tez No

    534112

    Al, Ga katkılı N-tipi ZnO saydam iletken oksitlerin üretimi ve karakterizasyonu

    Production and characterization of Al, Ga doped N-type ZnO transparent conducting oxides

    AYŞEN KAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Metalurji Mühendisliğiİskenderun Teknik Üniversitesi

    Metalurji ve Malzeme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. VOLKAN AYLIKCI

Geri Dön