Geri Dön

Sinir ağı modelleme yöntemleri kullanarak tei verileri ile durağan ve dinamik bölgesel iyonosfer haritalarının oluşturulması

Static and dynamic regional ionosphere mapping with tec data by using neural network based methods

PDF İndir

  1. Tez No: 216726
  2. Yazar: MELİKE GÜRÜN
  3. Danışmanlar: Y.DOÇ.DR. ATİLA YILMAZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Neural Network, ionosphere mapping, Multilayer Perceptron, TEC
  7. Yıl: 2007
  8. Dil: Türkçe
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 98

Özet

Özet yok.

Özet (Çeviri)

Ionospheric mapping is an important tool to understand better the ionosphere and to improve diversity of application in radio-propagation. Ionosphere structure?s short term and long term alternation, confusion and corruption can be observed by analysing the Total Electron Content (TEC). Since TEC values can be estimated only for a limited and mostly sparsely distributed number of receiving stations, a suitable interpolation representing the nature of ionosphere is necessary. Neural Network (NN) provides an approximation for any non-linear function in predetermined error margin and becomes a powerful alternative for a certain regional ionosphere model. In this study, two types of NN, namely, multilayer perceptrons (MLP) and Recurrent Network (RN) with Real Time Recurrent Learning (RTRL) are implemented for modeling TEC distribution. MLP networks with backpropagation are extensively used for modeling non-linear processes in static manner. RN is a dynamic network with internal feedback and time variations can be included in network. The input parameters of the MLP are latitude and longitude information of stations, while the output parameter is TEC data. Firstly, the approximation capabilities of different MLP structures using backpropagation algorithm are studied on artificially produced different 2D surfaces. Parameters of MLP affecting the performance have been determined by using previously obtained simulation data. After choosing suitable network structures, real data obtained from GPS stations were used for regional ionosphere mapping by MLP networks. The input parameters of the RN with RTRL are measured TEC values in a definite time interval, the output parameter is the predicted TEC. MLP and RN structures are used for obtaining ionosphere map by using TEC data which are obtained by D-TE?I method and supplied by International Reference Ionosphere (IRI).

Benzer Tezler

  1. Tez No

    604699

    Bilgisayarlı görme temelli yaklaşım ile tehlikeli nesnelerin otomatik tanınması

    A computer vision based approach for automatic recognition of dangerous objects

    KÜBRA TİRYAKİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZAFER İŞCAN

  2. Tez No

    753605

    Physics guided neural network based state-of-charge estimator for lithium-ion batteries

    Lithium-ion piller için fizik destekli sinir ağı tabanlı şarj durumu tahmincisi

    FEDI SALHI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Mekatronik MühendisliğiYıldız Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ERHAN AKDOĞAN

  3. Tez No

    620576

    Development of a new software for resting metabolic rate prediction using machine learning methods

    Makine öğrenme yöntemlerini kullanarak istirahat metabolik hız tahmini için yeni bir yazılımın geliştirilmesi

    EZGİ AKÇA

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET FATİH AKAY

  4. Tez No

    856275

    Design and deployment of deep learning based fuzzy logicsystems

    Derin öğrenme tabanlı bulanık sistemlerin geliştirilmesi ve uygulanması

    AYKUT BEKE

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUFAN KUMBASAR

  5. Tez No

    677082

    Artificial intelligence application in integrated gasification solid oxide fuel cell cycle

    Gazlaştırıcı ile entegre edilmiş katı oksit yakıt hücresi çevriminde yapay zeka uygulaması

    SENEM SEZER

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Kimya MühendisliğiMarmara Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ UĞUR ÖZVEREN

Geri Dön