Pasif optik ağlarda performans tahmini içinderin öğrenme ve nesnelerin interneti (IoT)
Integration of deep learning andinternet of things (IoT) forperformance predication in passiveoptical networks
- Tez No: 1022569
- Danışmanlar: PROF. DR. MEHMET KAYA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin Öğrenme, Optik Erişim Ağı, MSE, MAE, Pasifik Optik Ağ (PON), TWDM- PON, Deep Learning, Optical Adress Network, MSE, MAE, Passive Optical Network (PON), TWDM- PON
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Optik erişim ağları daha yüksek kapasite, daha uzun menzil ve artan kullanıcı yoğunluğu yönünde gelişmeye devam ettikçe, iletim performansını doğru bir şekilde tahmin etmek giderek daha karmaşık hale gelmiştir. Geleneksel fizik tabanlı modeller, özellikle çeşitli çalışma koşulları altında, modern pasif optik ağların doğrusal olmayan ve stokastik davranışını yakalamakta genellikle zorlanmaktadır. Bu çalışmada, ITU-T G.989.1 spesifikasyonlarının hedef kapasitesi olan asimetrik 160/80 Gbps TWDM-PON sistemlerinde Q-Faktörü, alıcı hassasiyeti ve bit hata oranı dahil olmak üzere temel performans göstergelerinin tahmin edilmesi için hibrit bir derin öğrenme çerçevesi önerilmiştir. Önerilen yaklaşım, sağlamlığı ve tahmin doğruluğunu artırmak için bir topluluk öğrenme yapısı içinde gradyan artırma regresyonu ve çok katmanlı perceptron modellerini entegre etmektedir. Hem yukarı akış hem de aşağı akış kanalları için mesafe, güç seviyesi ve gürültü koşullarındaki varyasyonlarla gerçekçi iletim senaryolarını taklit etmek üzere 1.000 örnekten oluşan sentetik bir veri seti oluşturulmuştur. Deneysel sonuçlar, önerilen derin öğrenme tabanlı tahminler ile geleneksel optik simülasyon sonuçları arasında güçlü bir uyum olduğunu, üstün uyarlanabilirlik ve azaltılmış hesaplama karmaşıklığı sağlandığını göstermektedir. Yüksek belirleme katsayıları (R2 > 0.94) ve düşük hata metrikleri, çerçevenin etkinliğini doğrulamakta ve yeni nesil optik erişim ağlarında geleneksel performans değerlendirme yöntemlerine hızlı ve güvenilir bir alternatif olmaktadır.
Özet (Çeviri)
As optical access networks continue to evolve toward higher capacity, longer reach, and increased user density, accurately predicting transmission performance has become increasingly complex. Traditional physics-based models often struggle to capture the nonlinear and stochastic behavior of modern passive optical networks, particularly under various operating conditions. In this study, a hybrid deep learning framework is proposed to predict key performance metrics—including the Q-factor, receiver sensitivity, and bit error rate—in asymmetric 160/80 Gbps TWDM-PON systems, which align with the target capacity specified in ITU-T G.989.1. The proposed approach integrates gradient boosting regression and multilayer perceptron models within a ensemble learning framework to enhance robustness and prediction accuracy. A synthetic dataset consisting of 1,000 samples was created to simulate realistic transmission scenarios with variations in distance, power levels, and noise conditions for both upstream and downstream channels. Experimental results demonstrate strong agreement between the proposed deep learning-based predictions and traditional optical simulation results, providing superior adaptability and reduced computational complexity. High determination coefficients (R2 > 0.94) and low error metrics validate the framework's effectiveness and provide a fast and reliable alternative to traditional performance evaluation methods in next-generation optical access networks.
Benzer Tezler
- Scientific machine learning supported track-to-track fusion
Bilimsel makine öğrenmesi destekli takip bilgisi füzyonu
RECEP AYZİT
Yüksek Lisans
İngilizce
2025
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. BARIŞ BAŞPINAR
- Gelecek nesil pasif optik erişim ağlarının analizi
Analysis of next generation passive optical access networks
ÖZGÜR CAN TURNA
Doktora
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜLHALİM ZAİM
PROF. DR. TÜLİN ATMACA
- Visible light communications with advanced physical layer features and integration with existing wireless communication technologies
Başlık çevirisi yok
ÖMER NARMANLIOĞLU
Doktora
İngilizce
2020
Elektrik ve Elektronik MühendisliğiÖzyeğin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT UYSAL
- Pasif optik erişim ağlarında fiberdeki doğrusal olmayan olayların sistem performansı üzerindeki birleşik etkilerinin modellenmesi ve benzetimi
Modelling and simulation of the combined effects of the fiber nonlinear phenomena on the system performance of passive optical access networks
FAISAL IBRAHIM MOHAMED IBRAHIM
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiBursa Uludağ ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAİT ESER KARLIK
- Pasif optik ağlar ve uygulamaları
Passive optical networks and applications
ÖZGE GÜRE
Yüksek Lisans
Türkçe
2012
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. N. ÖZLEM ÜNVERDİ