Geri Dön

Hibrid makine öğrenmesi teknikleri ile yol yüzey durumunun modellenmesi

Modeling the roadway surface status by hybrid machine learning techniques

PDF İndir

  1. Tez No: 475230
  2. Yazar: BEGENCH YARMATOV
  3. Danışmanlar: DOÇ. DR. OKAN BİNGÖL, PROF. DR. SERDAL TERZİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: Türkçe
  9. Üniversite: Süleyman Demirel Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 92

Özet

Günümüzde, yeni karayolu yapmaktan çok mevcut karayolu üstyapılarının bakımı, onarımı ve yenilenmesi gibi çalışmalar önem kazanmaya başlamıştır. Bu noktada karayolların üstyapısındaki bozulma derecelerine göre yol yüzey durumunun tahmin edilmesi, Üstyapı Yönetim Sisteminde yollardaki bakım/onarım işinin optimize edilmesi ve iyi bir planlamanın yapılması için çok önemlidir. Üstyapı yönetimi kavramı, mevcut kaynakların en iyi şekilde kullanımını sağlamak amacıyla ilk olarak 1960'lı yıllarda ortaya atılmıştır. Üstyapı Yönetim Sistemi (ÜYS), bir yol ağının bakım/onarım planlamasını ve tüm ağ üzerindeki üstyapı koşullarının optimize edilmesini yöneten sistemdir. ÜYS, kaliteli bir yol üstyapı envanterinin muhafaza edilmesi ve yol ağının genel koşulunun istenilen seviyelerde tutulabilmesi için gerekli birçok görevi kapsar. Bilgisayar teknolojisindeki gelişmeler, makine öğrenme teknolojisinin gelişiminde de etkin rol oynamıştır. Makine öğrenmesi esas olarak 1959 yılında bilgisayar biliminin, yapay zekâda sayısal öğrenme ve model tanıma çalışmalarından geliştirilmiş bir alt dalıdır. Matematiksel ve istatistiksel yöntemler kullanarak mevcut verilerden çıkarımlar yapan makine öğrenmesi, bilinmeyene dair tahminlerde bulunabilmektedir. Bu tez çalışmasında, yeni bir yaklaşım geliştirilerek söz konusu tahmin için yol yüzey durumunu gösteren indeks modellenmiştir. Bu metodoloji, farklı makine öğrenmesi algoritmalarını birleştiren bir hibrid tekniğin uygulanmasını içermektedir. Bu yaklaşım, çözüm hakkında bir formül veya fonksiyona sahip olmayan problemleri çözmek için kolaylıkla ve gerçekçi bir şekilde uygulanabilmektedir. Ayrıca, geliştirilen hibrid model için Java programlama dilinde bir masaüstü programı yazılmıştır. Bu program, regresyon için Weka kütüphanelerini ve modelin optimizasyonu için Genetik algoritma yöntemini kullanmaktadır. Geliştirilen program ile incelenen yolun mevcut durumu tahmin edilebilmektedir.

Özet (Çeviri)

Nowadays, works such as maintenance, repair and maintenance of existing pavements have become more important than making new roads. At this point, prediction of flexible pavement surface status (pavement condition) according to the distress degree of pavement, is very important to optimize maintenance/repair work in the roads and to make a good planning in Pavement Management System. The pavement management concept was first conceived in the mid-1960's to organize and coordinate the activities involved in achieving the best value possible for the available funds. The Pavement Management System (PMS) is a system that manages the maintenance/repair planning of a road network and optimizing the pavement conditions on the entire network. The Pavement Management System covers many tasks required to maintain a quality road pavement inventory and to keep the general condition of the road network at the desired levels. Developments in computer technology have also played an efficient role in the developments of machine learning technology. Machine learning is mainly a subdivision of computer science developed in 1959 from the works of digital learning and model recognition in artificial intelligence. It is a possible to make predictions about unknown by machine learning which makes inferences from existing data using mathematical and statistical methods. In this thesis study, the index of roadway surface status has been modelled for prediction with developing a new approach. This methodology includes the application of a hybrid technique which combines the different machine learning algorithms. This approach is able to apply easily and realistically to solve the problems which do not have a formulation or function about the solution. Also in the study, desktop software in Java programming language was written for the developed model. This software uses the Weka libraries for regression and the Genetic Algorithm method for model optimization. The roadway surface status which under examining can be predicted with the developed software.

Benzer Tezler

  1. Tez No

    816348

    Emlak vergisi için CBS ve makine öğrenmesi teknikleri kullanılarak toplu taşınmaz değerleme modeli tasarımı

    Designing a mass real estate valuation model using GIS and machine learning techniques for property taxation

    HALUK GÜL

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MAHMUT OĞUZ SELBESOĞLU

  2. Tez No

    944673

    Multi-scale rainfall predictions using data-driven models with advanced data preprocessing techniques

    Gelişmiş veri ön işleme teknikleriyle veri odaklı modeller kullanarak çok ölçekli yağış tahminleri

    KÜBRA KÜLLAHCI

    Doktora

    İngilizce

    İngilizce

    2025

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDÜSSELAM ALTUNKAYNAK

  3. Tez No

    834419

    Siber saldırıların çizge görselleştirmesinde geometrik derin öğrenme temelli yeni yaklaşımların geliştirilmesi

    Development of novel approaches based on geometric deep learning for graph visualization of cyber attacks

    MÜCAHİT SOYLU

    Doktora

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. RESUL DAŞ

  4. Tez No

    936399

    Design of advanced anomaly detection system based on hybrid machine learning technique with optimized feature selection in wireless sensor network

    Kablosuz sensör ağında optimize edilmış özellik seçimi ile hibrit makine öğrenmesi tekniğine dayalı gelişmiş anomali tespit sistemi tasarımı

    TAHA FAKHRI ABD ALHAMZA ALMSHHED

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEFER KURNAZ

  5. Tez No

    925643

    Multipl myelom litik kemik lezyonları ile diğer osteolitik metastazların ayrımında F-18 FDG PET tekstür özellikleri ve radiomics tabanlı makine öğrenmesi modellerinin karşılaştırılması

    Differentiating multiple myeloma lytic bone lesions and other osteolytic metastases using F-18 FDG PET texture features and radiomics-based machine learning models

    ÜLKÜ NUR DERYA

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    Radyoloji ve Nükleer TıpSağlık Bilimleri Üniversitesi

    Nükleer Tıp Ana Bilim Dalı

    DOÇ. DR. ENGİN ALAGÖZ

Geri Dön