Geri Dön

Destek vektör regresyon ile uçaklarda anlık yakıt tüketiminin analizi

Analysis of instantaneous fuel consumption in aircrafts with support vector regression

PDF İndir

  1. Tez No: 444472
  2. Yazar: CANSIN YALÇIN
  3. Danışmanlar: PROF. DR. GÜLAY BAŞARIR
  4. Tez Türü: Doktora
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: Türkçe
  9. Üniversite: Mimar Sinan Güzel Sanatlar Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 141

Özet

Makine öğrenme algoritmaları son zamanlarda özellikle on binlerce değişken ve/veya gözlemin mevcut olduğu veri setleri üzerinde çalışma yapan araştırmacıların ilgi odağı olmuştur. Destek vektör makineleri çekirdek-tabanlı makine öğrenme algoritmalarıdır ve temelini istatistiksel öğrenme teorisinden almaktadır. Nonlineer ilişkilerin tespitinde veri daha yüksek boyutlu özellik uzayına haritalanmaktadır. Dual formulasyonda gözlemlerin sadece iç çarpımlar şeklinde yer alması özelliğinden faydalanılmakta ve problemin çözümünde çekirdek fonksiyonları kullanılmaktadır. Destek vektörler ile temsil edilen modelin kompleksliği girdi örneklerinin boyutundan bağımsızdır ve sadece destek vektörlerin sayısına bağlı olmaktadır. Bu çalışmada, destek vektör regresyon yönteminin uçuş süresince anlık yakıt tüketiminin tahmini üzerinde uygulaması yapılmıştır. Yakıt tüketiminin Uçuş Veri İzleme sistemlerinde kaydedilen verilerin nonlineer bir fonksiyonu olarak modellenebileceği gösterilmiştir. Uygulanan model gerçek veri seti üzerinde test edilmiştir.

Özet (Çeviri)

Machine learning algorithms have recently been the focus of researchers especially those working on data sets for which tens of thousands of variables and/or observations are available. Support vector machines are kernel-based machine learning algorithms and based on the statistical learning theory. To detect nonlinear relationship, the data is mapped to a higher dimensional feature space. Dual formulation can be expressed in terms of inner products of data instances and so the problem can be solved by using kernel functions. The complexity of the model represented by support vectors is independent from the size of input space and depends only on the number of support vectors. In this study, support vector regression algorithm is applied to predict the instantaneous fuel consumption during flight. It has been shown that fuel consumption can be modeled as a nonlinear function of data collected in Flight Data Monitoring systems. The model has been tested on real-world data set.

Benzer Tezler

  1. Tez No

    832282

    Anomaly detection of MIL-STD 1553 traffic: Machine learning methods and realistic simulation evaluation

    MIL-STD 1553 trafiğinde anomali tespiti: Makine öğrenmesi yöntemleri ve gerçekçi simülasyon ile değerlendirme

    HÜSEYİN SAĞIRKAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ECE GÜRAN SCHMİDT

  2. Tez No

    463905

    Destek vektör regresyon ile hava kirliliği tahmini

    Air pollution prediction using support vector regression

    MAHMUT ESAT EKİNCİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Endüstri ve Endüstri MühendisliğiEskişehir Osmangazi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET SERMET ANAGÜN

  3. Tez No

    397245

    Estimating physical properties of the products of an atmospheric distillation column by support vector regression

    Destek vektör regresyon yöntemi ile bir atmosferik damıtma kolonu ürünlerinin fiziksel özelliklerini tahmin etme

    FIRAT UZMAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Endüstri ve Endüstri MühendisliğiKoç Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. METİN TÜRKAY

  4. Tez No

    559160

    Türkiye'deki enerji santrallerinde doğal gaz tüketiminin destek vektör regresyon ile tahmini

    Estimation of natural gas consumption of power plants in Turkey via support vector regression

    GİZEM MERAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    İstatistikAfyon Kocatepe Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. SİNAN SARAÇLI

  5. Tez No

    335598

    Analysis of the in-vitro nanoparticle-cell interactions via support vector regression model

    Destek vektör regresyon modeli ile in-vitro nanopartikül-hücre etkileşimlerinin modellenmesi

    NUR MUHAMMED AKBULUT

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Endüstri ve Endüstri Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Endüstri Mühendisliği Bölümü

    DOÇ. DR. SAVAŞ DAYANIK

    PROF. DR. İHSAN SABUNCUOĞLU

Geri Dön