Derin öğrenme yöntemi ile iyonosferik tec değişimlerinin tahmin edilmesi
Forecasting of ionospheric tec variations by deep learning method
- Tez No: 689788
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA ULUKAVAK
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Jeodezi ve Fotogrametri, Science and Technology, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Harran Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 80
Özet
İyonosfer tabakası, Küresel Konumlandırma Sistemi (GPS) uydularının radyo dalgalarının frekanslarına bağlı olarak zaman gecikmesi oluşturan aktif bir ortam olarak tanımlanmaktadır. İyonosferik çalışmaların birçoğu, GPS sinyallerinden elde edilen toplam elektron içeriği (TEC) değişiklikleri kullanılarak gerçekleştirilir. Günümüzde iyonosferin fiziksel yapısı üzerine yapılan çalışmalar, uzay iklimi koşullarının tahmini, konumlandırma, navigasyon ve iletişim gibi birçok alanda devam etmektedir. Bu çalışmanın amacı, iyonosferik TEC'nin kestirimi için derin öğrenmenin bir çeşidi olan uzun kısa vadeli bellek yönteminin en uygun ağ modelini oluşturmaktır. Tasarlanan model ve ilgili özellikleri, MATLAB® ortamında özelleştirilmiş Derin Öğrenme Araç Kutusu kullanılarak hazırlanmıştır. Bu çalışmada, Türkiye'nin farklı bölgelerinde bulunan ve Türkiye Ulusal Sabit GPS Ağı (TUSAGA-Aktif)'na kayıtlı olan SURF, GEME, HEND ve ANTL isimli istasyonların 2016-2019 yılları arasında iki saat çözünürlüklü GPS gözlemleri kullanılmıştır. 2019 yılının ilk altı ayı için iyonosferik TEC değişimlerini tahmin etmeyi amaçlayan bu çalışmada, her bir istasyon için optimum parametreler araştırılmıştır. Tahmini yapılan TEC'lerin, Momentumlu Stokastik Gradyan İnişi (SGDM) ve Uyarlanabilir Moment (ADAM) optimizasyonlarıyla karesel ortalama hataları (KOH) elde edilmiş ve birbirleriyle kıyaslanmıştır.
Özet (Çeviri)
The ionosphere layer is defined as an active medium that creates a time delay depending on the frequencies of the radio waves of the Global Positioning System (GPS) satellites. Most ionospheric studies are performed using changes in total electron content (TEC) obtained from GPS signals. Today, studies on the physical structure of the ionosphere continue in many areas such as the prediction of space climate conditions, positioning, navigation and communication. The aim of this study is to create the most appropriate network model of the long-short-term memory (LSTM) method, which is a type of deep learning, for the estimation of ionospheric TEC. The designed model and its related features have been prepared in the MATLAB® environment using the Deep Learning Toolbox. In this study, two-hour resolution GPS observations of the stations named SURF, GEME, HEND and ANTL where are located in different regions of Turkey and registered to the Turkey National Constant GPS Network (TUSAGA-Aktif) were used between 2016-2019. In this study, which aims to predict ionospheric TEC changes for the first six months of 2019, optimum parameters were investigated for each station. The mean-square errors (RMSE) of the predicted-TECs were obtained from Momentum Stochastic Gradient Descent with Momentum (SGDM) and Adaptive Moment (ADAM) optimizations and compared with each other.
Benzer Tezler
- Forecasting of global vertical total electron content based on trigonometric B-spline with long short term memory
Trigonometrik B-spline tabanlı küresel dikey toplam elektron içeriğinin uzun kısa süreli bellek (LSTM) ile tahmini
İREM YILDIZ
Yüksek Lisans
İngilizce
2021
Jeodezi ve FotogrametriHacettepe ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT DURMAZ
- Derin öğrenme yöntemi ile protein ikincil yapı tahmini
Protein secondary structure prediction using deep learning method
EZGİ ÇAKMAK
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. İHSAN HAKAN SELVİ
- Derin öğrenme yöntemi ile yüzeyel EMG işaretlerini sınıflandırarak dirsek eklemi için pozisyon kestirimi
Position estimation for elbow joint by classification of surface EMG signals with deep learning methods
AYBİKE PİROL
Yüksek Lisans
Türkçe
2021
Bilim ve TeknolojiÇukurova ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CABBAR VEYSEL BAYSAL
- Derin öğrenme yöntemi ile Google ve Yandex görüntülerinden stadyum tespiti
Stadium detection from Google and Yandex images with deep learning method
EMRE BATUHAN SAMUR
Yüksek Lisans
Türkçe
2022
Mühendislik BilimleriEskişehir Teknik ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DOÇ. DR. UĞUR AVDAN
- Derin öğrenme yöntemi ile el yazısı tanıma
Deep learning method for handwriting recognition
AYŞE AYVACI ERDOĞAN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDULLAH ERDAL TÜMER