Geri Dön

Neural network modeling of an ionospheric process: temporal and spatial forecasting of the critical frequencies

İyonosfersel bir sürecin sinirsel ağ benzeklemesi: Kritik sıklıkların zamansal ve uzamsal öngörümü

  1. Tez No: 68471
  2. Yazar: AYÇA KUMLUCA
  3. Danışmanlar: PROF. DR. ERSİN TOLUNAY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Sinir Ağlan, İyonosfer, Öngörüm, Yersel Değişim, Girişlerin Göreli Önemi, Doğrusal Bağlanım. iv, Neural Networks, Ionosphere, Forecasting, Spatial Variation, Relative Significance of Inputs, Linear Regression. iii
  7. Yıl: 1997
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 105

Özet

oz İYONOSFERSEL BİR SÜRECİN SİNİRSEL AĞ BENZEKLEMESİ: KRİTİK SIKLIKLARIN ZAMANSAL VE UZAMSAL ÖNGÖRÜMÜ Kumluca, Ayça Yüksek Lisans, Elektrik ve Elektronik Mühendisliği Bölümü Tez Yöneticisi: Prof. Dr. Ersin Tulunay Haziran 1997, 91 sayfa Bu çalışmada, Altınay ve arkadaşlarının geliştirdiği iyonosfersel kritik sıklık olan foF2'yi, bir saat önceden öngören benzek iyileştirilmiştir. Avrupa Birliği Eylemi COST 251 -TÜBİTAK projesinin veri tabanı kullanılarak şu katkılar yapılmıştır: 1. Zamansal değişimlere ek olarak uzamsal değişimler katılmıştır, 2. Girişlerin göreli önemi sınanmış ve ilişkileri hesaplanmıştır, 3. Kullanılan girişlerin sayısı arttırılmıştır, 4. Günün zamanının sunumu iyileştirilmiş ve mevsimler ile yılın günlerinin sunumları katılmıştır, 5. Dizinlerin saatlik değerleri, ara değerleme ile elde edilmiştir, 6. Giriş verisinin boyutu arttırılmıştır, 7. Doğrusal olmayan öngörüm sürecinin sinirsel ağ benzeği bağlanım yöntemi kullanılarak oluşturulan doğrusal bir benzekle karşılaştırılmıştır. Sinirsel ağların doğrusal bağlanım yönteminden daha iyi sonuçlar verdiği bulunmuştur. Altınay ve arkadaşlarının elde ettikleri en iyi sinirsel ağ oluşumu %6,30 ya da 0,40 MHz genel yanılgıya sahipken bu çalışmada en iyi sonuç bir saklı katman ve beş sinir hücresi ile elde edilen %6.19 ya da 0,47 MHz genel yanılgıdır.

Özet (Çeviri)

ABSTRACT NEURAL NETWORK MODELING OF AN IONOSPHERIC PROCESS: TEMPORAL AND SPATIAL FORECASTING OF THE CRITICAL FREQUENCIES Kumluca, Ayça M. S., Department of Electrical and Electronics Engineering Supervisor: Prof. Dr. Ersin Tulunay June 1997, 91 pages In this work, the model developed by Altmay et al. which forecasts ionospheric critical frequency, foF2, one hour in advance has been improved. Employing data from the database of the European Union Action COST 251-TÜBİTAK project, the following contributions have been made: 1. Spatial variation is introduced in addition to the temporal variation, 2. Relative significance of inputs are tested and correlation of inputs is computed, 3. The number of inputs used is increased, 4. Representation of time of day is improved and representations of seasons and days of year are introduced, 5. Hourly values of indices are obtained by interpolation, 6. Size of input data is increased, 7. The neural network model of the nonlinear process is compared with a linear one constructed by using a regression method. It is found that neural networks give better results than the linear regression method. Among the neural networks, the best configuration is the one with one hidden layer and five neurons having an overall error of 6.19% or 0.47 MHz while the best result achieved by Altinay et al. was an overall error of 6.30% or 0.40 MHz.

Benzer Tezler

  1. Tez No

    116173

    Neural network based forecasting for telecommunications via ionosphere

    İyonosfer üzerinden haberleşme için sinir ağ tabanlı öngörülerde bulunma

    ERDEM TÜRKER ŞENALP

    Yüksek Lisans

    İngilizce

    İngilizce

    2001

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ERSİN TULUNAY

    PROF. DR. YURDANUR TULUNAY

  2. Tez No

    166909

    WEB based ionospheric forecasting using neural network and neurofuzzy models

    Sinirsel ağ ve sinirsel bulanık benzekler kullanılarak WEB tabanlı iyonküresel öngörü

    YUSUF İBRAHİM ÖZKÖK

    Yüksek Lisans

    İngilizce

    İngilizce

    2005

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ERSİN TULUNAY

  3. Tez No

    216726

    Sinir ağı modelleme yöntemleri kullanarak tei verileri ile durağan ve dinamik bölgesel iyonosfer haritalarının oluşturulması

    Static and dynamic regional ionosphere mapping with tec data by using neural network based methods

    MELİKE GÜRÜN

    Yüksek Lisans

    Türkçe

    Türkçe

    2007

    Elektrik ve Elektronik MühendisliğiHacettepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    Y.DOÇ.DR. ATİLA YILMAZ

  4. Tez No

    695392

    Modeling of the ionosphere's disturbance using deep learning techniques

    İyonosfer bozulmaların derin öğrenme teknikleri kullanılarak modellenmesi

    RAHEM ABRI ZANGABAD

    Doktora

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HARUN ARTUNER

  5. Tez No

    540000

    A study on upper atmospheric joule heating using observations and coupled models and a space weather consequence: Geomagnetically induced currents

    Yukarı atmosfer joule ısınmasının gözlem ve uzay havası modelleri kullanarak kapsamlı incelenmesi ve bir uzay havası uygulaması: Jeomanyetik akımlar

    EMİNE CEREN EYİGÜLER

    Doktora

    İngilizce

    İngilizce

    2018

    Astronomi ve Uzay Bilimleriİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    PROF. DR. ZEREFŞAN KAYMAZ

Geri Dön