Geri Dön

Fog supported wireless sensor networks for forest fire detection

Orman yangınlarını algılamak için sıs destekli kablosuz sensör ağlar

  1. Tez No: 521141
  2. Yazar: FOUAD A. F. AMIRA FOUAD A. F. AMIRA
  3. Danışmanlar: PROF. DR. ÖZGÜR ULUSOY
  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: 2018
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 51

Özet

Sis bili ̧sim, bulut bili ̧sim kavramını a ̆gın sınırlarına kadar geni ̧sletmeyi ama ̧clayan, son kullanıcı ag ̆ına ekstra depolama ve i ̧sleme gu ̈cu ̈ sag ̆layan yeni bir kavramdır. Sis bili ̧simin bu ̈yu ̈k bir katkısı Kablosuz Senso ̈r Ag ̆ları (KSA'lar) kapsamındadır. KSA, nispeten karma ̧sık su ̈re ̧clerin i ̧slenmesinde kısa kalmasını sag ̆layan ucuz, aku ̈lu ̈ ve basit i ̧sleme cihazlarından olu ̧sur. Bu nedenle, KSA'lara sis bilgisinin uygulanması bulut ile a ̆g arasındaki bo ̧slu ̆gu dolduracak ve bu sayede daha ̈once sadece bulut tarafında mu ̈mku ̈n olan, hesaplama a ̧cısından kapsamlı operas- yonların yapılmasına olanak sag ̆layacaktır. Bizim ̧calı ̧smamızda, veri madencili ̆gi teknikleri kullanılarak orman yangınlarının tespiti ic ̧in KSA'ların gu ̈ ̧c tu ̈ketimini en aza indirgemek amacıyla sis tarafından sag ̆lanan i ̧slem gu ̈cu ̈nu ̈ kullanıyoruz. Sis tabakası, orman yangınlarının olasılıg ̆ını tahmin eden bir model u ̈retmek i ̧cin sıcaklık, nem, yag ̆mur vb. gibi ag ̆ tarafından u ̈retilen verileri kullanır. Ardından, ortamın mevcut durumuna bag ̆lı olarak a ̆gın ̧calı ̧sma ̧seklini tahmin etmek ic ̧in sis tabakası bu modeli kullanır. Orman yangınının yu ̈ksek olasılıkla tahmin edilmesi, KSA'nın arttırılmı ̧s bir aktivitesi ile sonu ̧clanırken, du ̈ ̧su ̈k yangın olasılıg ̆ı, azaltılmı ̧s bir ag ̆ aktivitesi ile sonu ̧clanmaktadır. Sonu ̧c olarak, o ̈nerilen modelimiz KSA ic ̧indeki enerji tu ̈ketimini optimize eder ve orman yangınlarının tespit su ̈resini azaltır.

Özet (Çeviri)

Fog computing is a new paradigm that aims to extend the concept of cloud com- puting to the edge of the network, providing the end users network with extra storage and processing power. One big contribution of Fog computing is in the context of Wireless Sensor Networks (WSNs). WSNs consist of cheap, battery powered and simple processing devices that make it fall short in handling rel- atively complex processes.Therefore, applying fog computing to WSNs will fill the gap between the cloud and the network and by that, it will enable computa- tionally extensive operations which were earlier possible only at the cloud side. In our work, we exploit the processing power provided by the Fog to minimize the power consumption of WSNs for forest fire detection through the use of data mining techniques. The Fog layer uses the data generated by the network such as temperature, humidity, rain, etc., to train a model that predicts the proba- bility of forest fires. Next, the Fog layer uses this model to predict the mode of operation of the network based on the current condition of the environment. While a high predicted probability of forest fire results in an increased activity of the WSN, a low fire probability results in a reduced network activity. As a result, our proposed model optimizes the energy consumption within the WSN and improves the detection time of forest fires.

Benzer Tezler

  1. Design and implementation of a customized micro server platform for indoor monitoring and control

    Kapalı alanda izleme ve kontrol için özelleştirilmiş bir mikro sunucu platformunun tasarlanması ve uygulanması

    ZİRVE BARAN TOTUK

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYaşar Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET TUNCAY ERCAN

  2. Makine öğrenmesi tabanlı gerçek zamanlı medikal nesnelerin interneti çerçevesinin geliştirilmesi

    Development of machine learning-based real-time medical internet of things framework

    EMRE YILDIRIM

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce Üniversitesi

    Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALİ ÇALHAN

  3. Nesnelerin internetinde derin öğrenmeye dayalı veri analizi ve bilgi çıkarımı

    Deep learning based data analysis and information extraction in the internet of things

    İBRAHİM KÖK

    Doktora

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. SUAT ÖZDEMİR

  4. Yabani ve kültür nohutlarının moleküler genetik yöntemlerle karakterizasyonu

    Characterization of wild and cultivated chickpea via molecular genetics methods

    DENİZ SARAÇOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2007

    BiyolojiSelçuk Üniversitesi

    Tarla Bitkileri Ana Bilim Dalı

    Y.DOÇ.DR. ERDOĞAN EŞREF HAKKI

  5. The impact of weather conditions on stock return: Evidences from İstanbul Stock Exchange

    Hava durumunun hisse senedi getrisine etkisi: Borsa İstanbul'dan kanıtlar

    BERK CAN KÖYBAŞIOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Ekonomiİstanbul Bilgi Üniversitesi

    Uluslararası Finans Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DENİZ İKİZLERLİ