Yapay sinir ağı teknikleri kullanarak, yüzey meteorolojik parametreleri tabanlı, gnss konumlandırma doğruluğunun iyileştirilmesi
Gnss positioning accuracy improvement based on surface meteorological parameters using artificial neural networks
- Tez No: 642211
- Danışmanlar: DOÇ. DR. AHMET TURAN ÖZDEMİR
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: GNSS, RTK, Yapay Sinir Ağları, Konumlandırma Hassasiyeti, GNSS, RTK, Artificial Neural Networks, Positioning Accuracy
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 117
Özet
YAPAY SİNİR AĞI TEKNİKLERİ KULLANARAK, YÜZEY METEOROLOJİK PARAMETRLERİ TABANLI, GNSS KONUMLANDIRMA DOĞRULUĞUNUN İYİLEŞTİRİLMESİ Agab Bakheet Agab MOHAMMEDNOUR Erciyes Üniversitesi, Fen Bilimleri Enstitüsü Doktora Tezi, Temmuz 2020 Danışman: Doç. Dr. Ahmet Turan ÖZDEMİR ÖZET Küresel Seyrüsefer Uydu Sistemi (GNSS, Global Navigation Satellite System) teknolojilerinin sürekli gelişmesiyle birlikte, kullanıcıların bu teknolojilere olan bağımlılığı önemli ölçüde artmıştır. Endüstriyel uygulamalardan tarıma veya jeodezik uygulamalarına kadar her yerde değişerek artan talep, kusursuz doğrulukla daha karmaşık ekipman ihtiyacını beraberinde getirmiştir. Bununla birlikte, bir GNSS alıcısı tarafından alınan sinyal her zaman pek çok farklı hata kaynağı tarafından bozulma riskiyle karşı karşıyadır. Bu sorunlar GNSS konumlandırma doğruluğunu azaltır. En önemli hata kaynaklarından biri meteorolojik durum parametrelerine dayanan troposfer tabakasında meydana gelen gecikmedir. Bu tezin amacı, yüzey meteorolojik parametrelerine dayalı olarak GNSS alıcısının bağımsız modu ve Gerçek-Zamanlı Kinematik (RTK, Real Time Kinematic) modunda konumlandırma doğruluğunu geliştirmektir. RTK, konum verilerinin doğruluğunu artırmak için kullanılan bir uydu seyrüsefer tekniğidir. Çoğunlukla meteorolojik durum parametrelerine dayanan troposferik gecikme gibi yerel sinyal kontaminasyonu riski ile karşı karşıyadır. Bu tezde troposfer gecikme etkilerini ortadan kaldırmak için Yapay Sinir Ağı (YSA) tabanlı bir tahminleme tekniği sunulmuştur. Geliştirilen YSA modeli, GNSS alıcısı tarafından elde edilen uydu sayısı ile yüzey meteorolojik parametreleri olan sıcaklık, nem, maksimum rüzgâr hızı, rüzgâr yönü ve basınç kullanılarak eğitilmiştir. Sonuç olarak, YSA modelinin K706 GNSS alıcısının bağımsız modu için hem iki boyutlu (2D) hem de üç boyutlu (3D) konum doğruluk düzeyini sırasıyla %43,77 ve %19,19 arasında başarılı bir şekilde iyileştirdiği gözlenlenmiştir. K706 GNSS alıcısının RTK modunun konum doğruluğu değeri iki boyut (2D) ve üç boyutta (3D) sırasıyla % 81,77 ve %31,03 arasında gelişim göstermiştir.
Özet (Çeviri)
GNSS POSITIONING ACCURACY IMPROVEMENT BASED ON SURFACE METEOROLOGICAL PARAMETERS USING ARTIFICIAL NEURAL NETWORKS Agab Bakheet Agab MOHAMMEDNOUR Erciyes University, Graduate School of Natural and Applied Sciences PhD Thesis, July 2020 Supervisor: Assoc. Prof. Ahmet Turan ÖZDEMİR ABSTRACT With the ongoing development of Global Navigation Satellite System (GNSS) technologies, user's dependence on these technologies has drastically risen. Ranging anywhere from industrial applications to agriculture or geodetic applications, the growing demand has stimulated the need for more sophisticated equipment with seamless accuracy. However the signal received by a GNSS receiver has always faced the risk of contamination by many different sources of error and this issue decreases the GNSS positioning accuracy. One of the most notable errors is the delay that occurs mainly in the troposphere layer which mostly relies on the meteorological condition parameters. The objective of this thesis is to improve the K706 GNSS positioning accuracy in the GNSS receiver standalone mode and GNSS Real-Time Kinematic (RTK) mode based on meteorological condition parameters. In this thesis, an Artificial Neural Network (ANN)-based mitigation technique in order to eliminate troposphere delay is presented. Our ANN model was trained using the surface meteorological parameters, temperature, humidity, wind speed, maximum wind direction, and pressure with the number of satellites achieved by a GNSS receiver. As a result, it showed that the ANN model successfully improved both two-dimensional (2D) and three-dimensional (3D) position accuracy level for the standalone mode of the K706 GNSS receiver at 43.77% and 19.19%, respectively, and also the RTK mode of the K706 GNSS receiver the value showed an improvement of 81.77% and 31.03% in two dimensions (2D) and three dimensions (3D), respectively.
Benzer Tezler
- Context-aware remote sensing data processing for improvement of agricultural predictions
Bağlam farkındalıklı uzaktan algılama veri entegrasyonu ile tarımsal tahminlerin iyileştirilmesi
AYDA FITRIYE AKTAŞ
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ
- Yapay açıklıklı radar interferometre teknikleri ile tuz gölü dinamiklerinin analizi
Analysis of salt lake dynamics with artificial aperture radar interferometry techniques
BURHAN BAHA BİLGİLİOĞLU
Doktora
Türkçe
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. NEBİYE MUSAOĞLU
- Integration of spatial procedures to combat the desertification in Nineveh governorate, Iraq
Irak'ın Nineveh vilayetinde çölleşme ile mücadele için mekansal yöntemlerin entegrasyonu
BASHAR MUNEER YAHYA YAHYA
Doktora
İngilizce
2019
İnşaat Mühendisliğiİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
- Ses sinyalleri kullanılarak talaşlı imalat prosesinde takım durumunun izlenmesi
Tool condition monitoring using sound signal in machining process
EMRE KALKANLI
Yüksek Lisans
Türkçe
2021
Mekatronik MühendisliğiBursa Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CELALETTİN YÜCE
- Seismic arrays for the imaging of alluvial deposits and monitoring engineering systems
Alüvyal çökellerin görüntülenmesi ve mühendislik sistemlerinin izlenmesi amacıyla kullanılan sismik dizilimler
ESRA AK