Geri Dön

Nesnelerin interneti tabanlı sistemlerde karmaşık olay işleme

Complex event processing in internet of things

  1. Tez No: 679044
  2. Yazar: MEHMET ULVİ ŞİMŞEK
  3. Danışmanlar: PROF. DR. SUAT ÖZDEMİR
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 129

Özet

Nesnelerin interneti (Internet of Things - IOT) ile birlikte sensörler tarafından üretilen ham veri miktarı artmıştır. Yüksek hacimli ve hızdaki bu veriden anlamlı bilgiler çıkarmak için verinin gerçek zamanlı olarak işlenmesi gerekmektedir. Bu kapsamda karmaşık olay işleme (Complex Event Processing- CEP) sistemler ham veriden değerli bilgileri çıkaran bir sistem olarak gerçek zamanlı veri işleme amacı ile kullanılmaktadır. Ancak CEP sistemlerinde kural tanımlama zorluğu ve tahmin yöntemlerinin entegrasyonu konularında zorluklar yaşanmaktadır. Bu kapsamda bu tez çalışmasında CEP sistemlerinin IoT verileri kullanarak derin öğrenme temelli çözümler önerilmiştir. Tez kapsamında ilk olarak IoT verilerinden genel CEP kurallarının çıkarılması amacı ile kümeleme ve kural madenciliği aşamalarını içeren bir model önerilmiştir. Önerilen model kapsamında kural madenciliği algoritmalarının belirlenen kümelere ilişkin kuralları çıkarmada başarılı sonuçlar verdiği ölçülmüştür. Bu tez çalışmasında ikinci olarak, derin öğrenme (deep learning - DL) yöntemleri ile etiketsiz IoT verilerinden CEP kurallarının otomatik çıkarılmasını sağlayan bir çerçeve model önerilmiştir. Önerilen çerçeve model yeniden çatılma hatası ve başarım performansları dikkate alınarak akıllı şehir uygulamasında yer alan hava kirlilik gaz verileri kullanılarak değerlendirilmiştir. Bu tez çalışmasında son olarak CEP tahmin probleminin çözümüne odaklanılmıştır. Bu kapsamda DL yöntemleri ve CEP işleme motoru yapısını içeren IoT sis hesaplama yaklaşımı ile bir sistem önerilmiştir. DL yöntemleri ile IoT zaman serileri tahmin edilerek başarım performansı geleneksel yöntemlerden Destek Vektöre Regresyonu (Support Vector Regression- SVR) ile karşılaştırılmıştır. Tahmin değerleri CEP işleme motorunda değerlendirilerek her bir algoritma için başarım performansları verilmiştir. Önerilen sistemde sis hesaplama dikkate alınarak uçtan uca ağ gecikmesi hesaplanmıştır. Bu bağlamda önerilen sistem modelinde tahmin edilen IoT verilerinin CEP işleme motorunda değerlendirilmesinin küçük ağ gecikmesi ile birlikte yüksek bir başarımla sağlandığı ortaya koyulmuştur.

Özet (Çeviri)

With the Internet of Things (IoT), the amount of raw data generated by sensors has increased. In order to extract meaningful information from this high volume and speed data, the data must be processed in real time. In this context, Complex event processing (CEP) is promising technology that used for a real time data processing with extracting valuable information from raw data. However, there are open problems about CEP system such as defining automatically CEP rules and CEP prediction. In this thesis, DL based solutions offered to solve these problems with using IoT data. Firstly, a model which has clustering and rule mining phase is proposed to extract CEP rules from IoT data. Experimental results show that the developed model shows excellent performance with determining the scope of the cluster. Secondly, we propose a generalized framework for automatic CEP rule extraction with using DL methods. The proposed framework has two phases which names labeling and automatic rule extraction. In this context, we compare several DL methods with each other and regression-based methods to evaluate the proposed framework in smart city scenario with using air pollution gases by reconstruction error and prediction metrics. The result shows that the Dl based framework success rate increase when the number of attributes increases as well. Finally, we focus on the predictive CEP problem. In this context, we propose a novel deep learning based predictive CEP system for air pollution dataset in IoT framework. DL methods and SVR are compared in terms of the prediction performance. The predicted data is processed in the CEP engine and the performance of the each algorithm in CEP engine is shown in detail. We examine proposed system in terms of end-to-end network delay and measure its impact on the network. The result demonstrate that predicted system with Dl methods show excellent performance while guaranteeing minimum end-to-end network delay.

Benzer Tezler

  1. Time series forecasting via computational intelligence methods

    Zaman serileri tahminlemede bilgi işlemsel zeka uygulamaları

    ATAKAN ŞAHİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. TUFAN KUMBASAR

  2. From media-based modulation to reconfigurable intelligent surfaces: Novel index modulation solutions

    Ortam-tabanlı modülasyon'dan uyarlanabilir akıllı yüzeylere: Özgün indis modülasyon çözümleri

    ZEHRA YİĞİT

    Doktora

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERTUĞRUL BAŞAR

    PROF. DR. İBRAHİM ALTUNBAŞ

  3. Modeling heterogeneous internet of things systems using connectors in component oriented software engineering

    Bileşen yönelimli yazılım mühendisliğinde heterojen nesnelerin interneti sistemlerinin bağlayıcılar kullanılarak modellenmesi

    SELİN ÜNAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ HİKMET DOĞRU

  4. Building sensor-based real-time predictive maintenance system by utilizing artificial intelligent techniques

    Yapay akıllı teknikleri kullanarak sensör tabanlı gerçek zaman tahminli bakım sistemi kurulması

    RAGHAD MOHAMMED KHORSHEED

    Doktora

    İngilizce

    İngilizce

    2021

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  5. Networked computing-based system identification and control of electromechanical systems with industrial IoT

    Endüstriyel IoT ile elektromekanik sistemlerin ağ hesaplama tabanlı sistem tanıma ve kontrolü

    RAMAZAN KAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALİ FUAT ERGENÇ