Non-linear black-box modelling ionospmerical critical frequency process using neural networks
İyonosfersel kritik sıklık sürecinin doğrusal olmayan kara-kutu benzeklenmesi
- Tez No: 56642
- Danışmanlar: PROF. DR. ERSİN TULUNAY
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Yapay Sinir Ağları, Dizge Tanıyımlanması, Doğrusal Olmayan Kara- Kutu Benzekleme, İyonosfer iv, Artificial Neural Networks, System Identification, Nonlinear Black-Box Modeling, Ionosphere m
- Yıl: 1996
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
oz İYONOSFERSEL KRİTİK SIKLIK SURECİNİN DO?RUSAL OLMAYAN KARAKUTU BENZEKLEMESİ Altınay, Orkun Yüksek Lisans, Elektrik ve Elektronik Mühendisliği Bölümü Tez Yöneticisi: Prof. Dr. Ersin Tulunay Haziran 1996, 69 sayfa Bu çalışmada iyonosfersel kritik sıklığın (foF2) saatlik değişimi için bir kestirmeli benzek önerilmiştir. Sözü edilen sürecin doğrusal olmaması ve çözümsel benzeğinin bulunmaması nedeniyle, doğrusal olmayan kara-kutu benzekleme yaklaşımı kullanılmıştır. Benzekleme için, çok katmanlı ileri beslemeli sinirsel ağlara dayalı çeşitli özgün yapılar kurulmuştur. Sinirsel ağlar yönünden ana katkılar: 1. Çok sayıda fiziksel veriyi işlenmeyebilecek esnek ve kolay ulaşılabilir bir eğitim veritabanı hazırlanmıştır, 2. Özgün bir sinirsel ağ tasarım ve deney yapma yazılımı geliştirilmiştir, 3. Sinirsel ağların genelleme yeteneğini önemli ölçüde arttırmak için bir eğitim stratejisi, 4. Ön bilgiyi sinirsel ağa eğitim sırasında yüklemek için bir yöntem geliştirilmiştir, 5. Sinirsel ağ girişlerinin genelleme yeteneği yönünden bağıl önemini saptamak için bir yöntem geliştirilmiştir. Önerilen benzekler, geçmiş foF2 ve Kp dizini ölçümlerini kullanarak bir saat sonraki foF2 değerini kestirmektedir. Gerçek süreç çıktısının, günün her saati için alınmış olan ortalama değerlerden standart sapması 0.944 MHz'dir. Önerilen benzeklerin yanılgılarının standart sapması ise 0.536 MHz'e kadar inebilmektedir. Bağıl önem yönteminin iyonosfersel sürece uygulanmasıyla günün saatinin; en yeni ve 24 saat eski foF2 ölçümlerinin; foF2'nin değişim hızının kestirimde en etkili olduğu görülmüştür. Bu araştırma, Avrupa Birliği ve TÜBİTAK'ın COST 25 1 projesine bir katkı olacaktır.
Özet (Çeviri)
ABSTRACT NONLINEAR BLACK-BOX MODELING OF IONOSPHERIC CRITICAL FREQUENCY PROCESS USING NEURAL NETWORKS Altinay, Orkun M.S., Department of Electrical and Electronics Engineering Supervisor: Prof. Dr. Ersin Tulunay June 1996, 69 pages In this study, a predictive model for hourly variation of ionospheric critical frequency (foF2) process is proposed. Since the mentioned process is highly nonlinear, and no general analytical model describing it is available, nonlinear black-box modeling approach in system identification is taken. Various novel structures using multilayer feedforward neural network (NN) architecture are employed as process models. Main contributions from NN viewpoint are; 1. A flexible and easily accessible training database capable of handling extensive physical data is prepared, 2. A novel NN design and experimentation software is developed, 3. A training strategy is adopted in order to significantly enhance the generalization ability of NNs, 4. A method is developed for loading NNs apriori information during training, 5. A method is developed for determining the relative significances (RS) of NN inputs in terms of mapping capability. The proposed models make use of past observations of foF2 and 3 -hour Kp index to predict foF2 one hour in advance. Actual process output departs with a standard deviation of 0.944 MHz from the means taken for each hour of the day. The errors made by the models proposed have standard deviations down to 0.536 MHz. Using RS method in relation to the ionospheric process it is seen that time-of-day; most recent and 24 hour earlier foF2 measurements; rate of change of foF2 are most effective in prediction. This research will be a contribution to European Union's COST 25 1 -TÜBİTAK project.
Benzer Tezler
- İstanbul'daki baraj haznelerinin işletilmesinde yapay sinir ağları kullanılması
The management of the reservoirs around İstanbul using artifical neural networks
İSMAİL KILINÇ
Yüksek Lisans
Türkçe
2004
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. KEREM CIĞIZOĞLU
- Yağış-akış bağıntıları ve yapay zeka teknikleri ile modellenmesi
The rainfall-runoff correlations and modelling with artificial intelligence techniques
OSMAN ULUKAYA
Doktora
Türkçe
2011
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. NECATİ AĞIRALİOĞLU
- Betonarme perdelerin çevrimsel sönümlenen enerji kapasitesinin makine öğrenmesi yöntemleri ile incelenmesi
Investigation of energy dissipation capacity of RCc shear walls with machine learning methods
BERKAY TOPALOĞLU
Yüksek Lisans
Türkçe
2022
Deprem Mühendisliğiİstanbul Teknik ÜniversitesiDeprem Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZEYNEP DEĞER
- Özyinelemeli tek yan bantlı genlik modülasyonunun modelleme yoluyla geliştirilmesi
Improvement of recursive single sideband amplitude modulation through modeling
DOĞUHAN EREN KARACAN
Doktora
Türkçe
2024
MüzikANKARA MÜZİK VE GÜZEL SANATLAR ÜNİVERSİTESİMüzikoloji Ana Bilim Dalı
PROF. DR. ABDURRAHMAN TARİKCİ
- Akarsulardaki askı maddesi miktarının kara kutu modeliyle belirlenmesi
Determination of rivers' suspended sediment load by black box model
MURAT ALP
Doktora
Türkçe
2003
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. KEREM CIĞIZOĞLU