Geri Dön

Yapay sinir ağı modeli ile iyonosferik kritik frekans tahmini

Prediction of the ionospheric critical frequency by using a neural network model

  1. Tez No: 152225
  2. Yazar: YALÇIN FAİK SÜMER
  3. Danışmanlar: PROF. DR. YURDANUR TULUNAY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Astronomi ve Uzay Bilimleri, Astronomy and Space Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2004
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Havacılık Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 88

Özet

YAPAY SİNİR AĞI MODELİ İLE İYONOSFERİK KRİTİK FREKANS TAHMİNİ ÖZET Günümüz teknolojisinin en önemli özelliklerinden biri haberleşme sistemleri yardımıyla bilgi akışını kaliteli ve hızlı bir şekilde gerçekleştirerek insanlara bilgiye erişmede ve birbirleriyle haberleşmelerinde büyük kolaylık sağlamasıdır. Bu sistemlerin büyük bir bölümü yüksek frekansta (HF) yayın yapmaktadır (3-30 MHz). Özellikle Güneş'te meydana gelen aktiviteler iyonosfer dinamikleri üzerinde çok etkili olmaktadır. Bu da iyonosferdeki yansıtma mekanizmasını etkileyerek iyonosfer kritik frekans değerinin değişmesine neden olmaktadır. Dolayısıyla yüksek frekanslı yayınlar bundan doğrudan etkilenmektedir. Yapılan iki farklı çalışmada, iyonosfer dinamiklerinin değişken yapısından dolayı kaynaklanan iyonosfer kritik frekansmdaki (f0F2) değişimler yerel zaman sürecine ve enleme bağlı olarak (bölgesel) incelenmiştir. Bu incelemelerde, iki çalışma için geliştirilen iki farklı yapay sinir ağı modelinin iyonosfer kritik frekansım en doğru şekilde bulabilmesi hedeflenmiştir ve bu doğrultuda geliştirilen modeller üzerinde değişikler yapılarak en uygun modelin belirlenmesi sağlamıştır. Yapılan ilk çalışmada, Moskova yer istasyonundan 79-81 yıllan arasında elde edilen veriler kullanılarak bir saat sonraki yerel zaman için iyonosfer kritik frekansı doğru tahmin edilmeye çalışılmıştır. Manyetik aktivitenin yüksek olduğu durumlarda ortaya çıkan elektron yoğunluğu çukuru (trough) karakteristiği göz önünde bulundurularak modelleme yapılmıştır. Veriler yıllara göre üç farklı veri setine ayrılarak düzenlenmiştir. ıxveri seti kullanılarak gerçek değerler ile tahmin edilen değerler arasındaki hataların hesaplanmasıyla Ölçülmüştür. Yapılan ikinci çalışmada, 79-81 yıllarına ait uydu verisi kullanılmıştır. Buradaki amaç sabit bir yerel zamanda değişik enlemlerde yer alan bölgelerin iyonosfer kritik frekansının en doğru şekilde tahmin edilebilmesidir. Bu çalışma, manyetik etkinlik göstergesi olan 3'lü Kp değerinin yüksek olduğu zamanlarda belirginleşen elektron yoğunluğu çukuru (trough) karakteristiğini doğru tahmin eden bir model oluşturmayı hedeflemektedir. Elektron yoğunluğu çukuru (trough) karakteristiği enleme de bağlı bir özellik olduğundan bölgesel olarak yapılan bu çalışma elektron yoğunluğu çukuru (trough) bölgesinin doğru modellenebilmesi açısından büyük önem taşımaktadır. İki farklı çalışmada oluşturulan yapay sinir ağı modelleri önce bir eğitim aşamasından geçmektedir. Bu eğitim sürecinde hatanın her adımda azaltılması amacı ile katmanlardaki ağırlık vektörleri genel anlamda doğruluğu yakalamak üzere iyileştirilmektedir. Veri setlerinin modelin girişine uygun hale getirilmesi, öğrenme süreci ve sınama süreçleri MATLAB programı kullanılarak yapılmıştır. Öğrenme süreci Levenberg-Marquardt Backpropagation algoritması kullanılarak gerçekleştirilmiştir. Her iki modelin vermiş olduğu sonuçlar bu konuda yapılacak diğer çalışmalara ışık tutacaktır. Özellikle bu modellerin geliştirilmesi ile haberleşme sistemleri alanında büyük kolaylık sağlanacağı açıktır. Yer istasyonlarından yapılan ölçümler ile her saat ölçülen iyonosfer kritik frekans değeri, geliştirilen bu modeller ile daha önceden tahmin edilebilecektir. Manyetik etkinliğin boyutuna göre iyonosfer dinamiklerindeki değişikliklerin kritik frekans değeri üzerinde ne biçimde bir etki yaratacağının bilinmesi yüksek frekanslı yayınların daha nitelikli bir biçimde şekilde yapılmasına olanak sağlayacaktır.

Özet (Çeviri)

PREDICTION OF THE IONOSPHERIC CRITICAL FREQUENCY BY USING A NEURAL NETWORK MODEL SUMMARY In today' s technology one of the most important characteristic property of the communication systems is the making life easier by helping people to get the latest information in a sense of quality and speed. Most of these systems use high frequencies (HF) in order to broadcast (3-30 MHz). Especially, the magnetic activities at Sun have huge effects on the ionospheric dynamics in a bad sense. This results in the influence of the reflection mechanism in the ionosphere by changing the ionospheric critical frequency. Due to this HF communications are directly affected. In two different studies, ionospheric critical frequency (f0F2) changes due to the unstable characteristics of the ionosphere dynamics have been concerned dependent on the local time (LT) and the latitude (regional study). In these studies the aim is to forecast or predict (depends on the study) the ionospheric critical frequency by the developed neural network model and augment the model by making changes in order to find the best one which performs least error. In the first study, data set of Moscow station betwen the years 79-81 have been used to forecast the ionospheric critical frequeny value for the next hour. The model has been developed by taking the“trough”characteristic into the account.“Trogh”is the sudden changes in the density of the electrons caused by magnetic activities. Three different data sets have been organized. Also four different situations have been studied which are general case, DTD (day time disturbed) case, NTQ (night time quiet case) and both DTD and NTQ cases. The performance of the developed neural network model has been XItested with the test data set by using the errors between real values and forecasted values. In the second study, satellite data between the years 79-81 have been used. The aim here is to predict the ciritical frequency value of the ionosphere in a most correct sense with a fixed local time and latitude dependency. Also this study tries to define the“trough”characteristic which is clearly seen mostly in high Kp (magnetic activity index) indices. Trough characteristic is a property mainly dealed with latitude so this regional study will be very important in order to model the“trough”in a correct way. First of all, the developed neural network models in these studies have been trained. In this training period, in every step in order to decrease the error the weight vectors of the model were modified. All the process including, organizing the data sets compatible for neural network input, training the NN and testing the performance of NN have been done by using MATLAB sofware. Levenberg-Marquardt Backpropagation algorithm has been used in the training section. Results for the both models will be very helpful in the future studies on this area. Especially, it is obvious that with the augmentation of these models there will be much more easiness in the area of communication systems. Ionospheric critical frequency value will be forecasted rather than measuring from the ionosonde stations. By forecasting the effect of the changes in the ionosphere dynamics to the ionospheric critical frequency will lead to a high quality HF broadcasts. xn

Benzer Tezler

  1. The possibility of earthquake forecasting with ionospheric total electron content and radon-222 concentrations using Monte Carlo simulations

    Monte Carlo simülasyonları kullanılarak iyonosferik toplam elektron içeriği ve radon-222 konsantrasyonları ile deprem tahmin ihtimaliyeti

    PISHTIWAN AKRAM HAMA RASHID

    Doktora

    İngilizce

    İngilizce

    2022

    Fizik ve Fizik MühendisliğiFırat Üniversitesi

    Fizik Ana Bilim Dalı

    PROF. DR. FATİH KÜLAHCI

  2. Anomaly detection in diverse sensor networks using machine learning

    Çeşitli sensör ağlarında makine öğrenimi ile anomali tespiti

    ALİ ALP AKYOL

    Doktora

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ORHAN ARIKAN

  3. Modelling of ionospheric propagation in the HF band using neural networks

    HF bandındaki dalgaların yayılımının yapay sinir ağlarıyla modellenmesi

    CEM ÖZKAPTAN

    Yüksek Lisans

    İngilizce

    İngilizce

    1999

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ERSİN TOLUNAY

  4. YAPAY SİNİR AĞI VE BOX-JENKİNS MODELİ İLE YAZICI SARF MALZEMELER VERİLERİNİN TAHMİNİ IRAK ÖRNEĞİ

    PREDICTING THE SALE OF PRİNTİNG STUFFS USING ARTIFICIAL NEURAL NETWORKS AND BOX-JENKINS MODEL MODEL OF IRAQ

    BAN ANIS ABDULLAH AL MAHMUD

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ALBAYRAK

  5. Yapay sinir ağları modeli ile mesane kanseri teşhisi ve hastalığa yol açan faktörlerin belirlenmesi

    Diagnosis of bladder cancer by using neural networks model and determination of factors causing disease

    MERTCAN BOĞA

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇanakkale Onsekiz Mart Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SAİT CAN YÜCEBAŞ