Geri Dön

Dalgacık skalogram, skalogram ölçek endeksi ve güç spektrumu yöntemleri ile bölgesel depremlerin analizi

Analysis of regional earthquakes with wavelet scalogram, scalogram scale index and power spectrum methods

  1. Tez No: 456961
  2. Yazar: NAZMİ YILMAZ
  3. Danışmanlar: PROF. DR. KAMİL GEDİZ AKDENİZ
  4. Tez Türü: Doktora
  5. Konular: Fizik ve Fizik Mühendisliği, Physics and Physics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Fizik Ana Bilim Dalı
  12. Bilim Dalı: Yüksek Enerji ve Plazma Fiziği Bilim Dalı
  13. Sayfa Sayısı: 85

Özet

Bir dinamik sistem başlangıç koşullarına hassas duyarlılık gösteriyorsa, a-periyodik ise ve periyodik bir yörüngeye sahip değil ya da periyodik bir yörüngeye yaklaşım göstermiyorsa sistemin kaotik olduğu kabul edilir. En büyük Lyapunov üstelleri başlangıç koşullarına hassas duyarlılık kriterini karşılar. Diğer iki kriterin karşılanmasına yönelik olarak, sinyalin a-periyodikliğinin incelenmesi için Fourier dönüşümü yapılabilir. Fakat, durağan olmayan kaotik sinyallerde dalgacık dönüşümü daha uygun bir yöntemdir. Özellikle bir sinyalin dalgacık ayrıştırmasının belirlenmesinin kaotik sistemlerin incelenmesinde kullanışlı bir yöntem olduğu görülmüştür. Bir sinyalin en etkin ölçekteki dalgacık skalogram değeri ile takip eden en az etkin ölçekteki dalgacık skalogram değerinin oranını temsil eden bir parametre skalogram ölçek endeksi olarak ifade edilir ve sinyal a-periyodik iken yalnızca pozitif bir değer alır. Bu parametre, bir sinyalin sayısal olarak a-periyodiklik derecesinin ölçümünü gerçekleştirmede kullanılabilir. Bu çalışmada, Benitez et Al. (2010) tarafından geliştirilen ve klasik dinamik sistemler olan Henon haritası, Lojistik harita ve Bonhoeffer Van der Pol osilatörüne uygulanarak en büyük Lyapunov üsteli değerleri ile uyumlu sonuçlar verdiği gözlemlenen skalogram ölçek endeksi yöntemini ilk defa gerçek verilerde test etme amacıyla, özgün kaotik özellikler gösteren bir fiziksel dinamik sistem olan 23 Ekim 2011 tarihli Van-Tabanlı depremi ve sonrasındaki 40 gün içerisinde meydana gelmiş 13 bölgesel depremin dalga formları ile oluşturulan zaman serileri kullanılmıştır ve doğrusal olmayan dinamik sistemlerin yapısında zamana bağlı değişimlerin, a-periyodikliğin, kaotikliğin belirlenmesinde, dolayısıyla düzensiz sistemleri anlamada güncel ve yeni uygulama alanları incelenmiştir. Sonuç olarak, skalogram ölçek endeksi yöntemi farklı fiziksel dinamik sistemlerden elde edilen gerçek verilere uygulanarak, yöntemin bu sistemlerde a-periyodiklik ve kaotiklik derecesini belirlemede kullanılabilirliği gösterilmiştir. Tezde elde edilen bu sonuca göre, skalogram ölçek endeksi yönteminin Duffing osilatörü ile birlikte Sismik dalgalar ya da EEG sinyalleri gibi kaotik sinyallerde zayıf periyodik sinyaller tespit etmede de bir yöntem olarak uygulanabileceği anlaşılmıştır.

Özet (Çeviri)

Chaotic dynamical systems have sensitive dependence on the initial conditions, are non-periodic or they do not converge to a periodic orbit. Sensitivity to initial conditions can be determined by the Maximum Lyapunov Exponents. Non-periodicity can be studied by Fourier transform. But, for non-stationary chaotic signals, wavelets are more applicable. Especially, when analysing chaotic dynamical systems the wavelet transform is a very useful method. A new technique based on Continuous Wavelet Transform of a signal can be used in detecting chaos transitions in a dynamical system and complement Maximum Lyapunov Exponents. The ratio of the scale where the scalogram value is maximum to the scale where the scalogram value is minimum after the initial maximum can be calculated. The result determines the scalogram scale index. When the signal is non-periodic this parameter only has positive value and can be used as a measure of non-periodicity of a signal. Scalogram scale index method was introduced by Benitez et al. (2010) and applied to the classical dynamical systems of Bonhoeffer-van der Pol oscillator, Henon Map, and Logistic Map. The method gave consistent results with Maximum Lyapunov Exponents in showing chaos transitions in those dynamical systems. In this work, scalogram scale index method was tested in real data for the first time. Time series were constructed from the data of 23/10/2011 Van-Tabanlı Earthquake which is known to show unique chaotic characteristics and 13 more regional earthquakes which took place the following 40 days of the main shock. Time dependent changes in the nonlinear dynamical systems, determination of the degree of a-periodicity and chaotic behaviour were analized to understand nonlinear dynamical systems. This work has shown that scalogram scale index method can be a useful tool to measure a-periodicity, hence the degree of chaos in real data taken from different physical dynamical systems. It is understood from the result in this thesis that scalogram scale index method can be used with Duffing oscillator in detecting weak periodic signals in chaotic systems such as EEG signals or seismic waves.

Benzer Tezler

  1. Classification of eeg signals using transfer learning on convolutional neural networks via spectrogram

    Eeg sinyallerinin konvolüsyonel sinir ağlarında spektrogram yoluyla transfer öğrenimi kullanılarak sınıflandırılması

    AHMET ESAD TOP

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HİLAL KAYA

  2. EEG işaretlerinden epilepsi türlerinin sınıflandırılmasında skalogram tabanlı derin öğrenme yaklaşımı

    Scalogram based deep learning approach for classification of epilepsy types from EEG signals

    ÖMER TÜRK

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDicle Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET SİRAÇ ÖZERDEM

  3. Accurate classification of heart sound signals forcardiovascular disease diagnosis using wavelet analysiswith machine learning and deep learning methodologies

    Makine öğrenmesi ve derin öğrenme yöntemleri ile dalgacık analizi kullanılarak kalp ses sinyallerinin kardiyovasküler hastalık tanı amaçlı doğru sınıflandırılması

    AFRAH ELFATIH FARAH MALIK

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    BiyomühendislikErciyes Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET EMİN YÜKSEL

  4. Boyut arttırma yöntemleri kullanılarak eeg sinyallerinden derin öğrenme tabanlı şizofren durum tespiti

    Deep learning based schizophrenia status determination from eeg signals using dimension augmentation methods

    ZÜLFİKAR ASLAN

    Doktora

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiDicle Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET AKIN

  5. Öksürük akustik sinyallerinde geleneksel ve derin öznitelikler yardımıyla COVID-19 tespiti

    COVID-19 detection with traditional and deep features on cough acoustic signals

    YUNUS EMRE ERDOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ALİ NARİN