25. güneş çevrimi için doğrusal olmayan otoregresif dışsal modeller (NARX) kullanılarak güneş aktivitesi tahmini
Solar activity prediction with nonlinear autoregressive exogenous models for solar Cycle 25
- Tez No: 735763
- Danışmanlar: PROF. DR. AHMET TALAT SAYGAÇ, PROF. DR. DIAA GADELMAVLA
- Tez Türü: Yüksek Lisans
- Konular: Astronomi ve Uzay Bilimleri, Astronomy and Space Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Astronomi ve Uzay Bilimleri Ana Bilim Dalı
- Bilim Dalı: Astronomi ve Uzay Bilimleri Bilim Dalı
- Sayfa Sayısı: 87
Özet
Güneş bize en yakın yıldız olması nedeniyle, yıldızların ışınım mekanizmasını anlayabilmek için iyi bir laboratuvar özelliği taşımaktadır. Bu doğal laboratuvar, farklı koşullar altında incelendiğinde aslında birbirine bağlı birçok parametrenin (Güneş Leke Sayısı, Parlama Oluşum Sıklığı, 10.7 cm Güneş Radyo Akısı, Toplam Güneş Işınımı) yaklaşık 11 yıllık dönemler halinde değiştiği görülmektedir. Güneş Aktivitesinin bu değişimi 1700'lü yıllardan beri takip edilmektedir ve bugün bu değişim Güneş Çevrimi olarak isimlendirilmektedir. İçerisinde bulunduğumuz 25. Güneş Çevrimi süresince oluşacak yaklaşık 11 yıllık Güneş aktivite değişimlerinin takibi ve tahmini, Dünya üzerindeki günlük yaşamı ve Dünya atmosferi dışındaki uydular üzerindeki olası zararların önlenebilmesi için bilimsel olarak takip edilecek önemdedir. Son yıllarda gelişen ve insan sinir sistemi temel alan yapay sinir ağları, birçok alanda sınıflama ve tahmin uygulamalarında kullanılmaktadır. Güneş aktivitesinin gelecekteki davranışını tahmin etme yeteneği, Dünya üzerindeki etkisi nedeniyle son derece önemli hale gelmektedir. Bir sonraki güneş çevriminin hem genliği hem de zamanlaması ile ilgili tahminler, Uzay Hava Durumunun çeşitli sonuçlarını tahmin etmede yardımcı olmaktadır. Güneş aktivitesi tahmini alanında çeşitli tahmin teknikleri uygulanmış ve değişen derecelerde başarılar elde edilmiştir. Bu tekniklerden bir tanesi ise sinir ağları yöntemidir. Bu tezde, çeşitli sinir ağı tabanlı modeller oluşturulmuş ve uyumluluğu en iyi olan modeller, Güneş Çevriminin zamana bağlı olarak değişimini ve maksimum değerlerini tahmin etmek için kullanılmıştır. Tez çalışmasında Güneş Aktivitesi (Güneş Leke Sayısı (GLS), Güneş Parlama Sayısı (POS; C, M ve X X-ışını sınıflarında), Toplam Güneş Işınımı (TGI), 10.7 cm Güneş Radyo Akısı (F10.7)) ve Yermanyetik İndis (Ap) verilerinin aylık ortalamaları kullanılarak ve 0 – 1 arasında basit normalizasyon işlemi yapılarak sinir ağları tahmin tekniklerinden“Doğrusal Olmayan Otoregresif Dışsal Model (NARX - Nonlinear AutoRegressive eXogenous)”ile 25. Güneş Çevrimi için sayılan her bir parametrenin tahmin işlemi yapılmıştır. Bu parametrelerin beraber kullanılma amacı sadece Güneş'in durum takibi için değil Güneş – Dünya Etkileşimi (Uzay Havası - Space Weather) kapsamında uzay araçlarının tasarımı, haberleşme ağının güvenliği ve iklim olaylarına etkisini tahminler ışığında incelemektir. Geliştirilen sinir ağı modelleriyle, son 4 Güneş Çevrimi (21 – 24. Çevrimler) sırasında gözlemlenen parametrelerin zamana bağlı davranışı incelenmiştir. Bu tez çalışmasında, 25. Güneş Çevriminde GLS maksimum değeri ve tarihi: Model3_NARX kodlu model ile 104,58 (Mayıs 2024), Model7_NARX kodlu model ile 113,31 (Nisan 2026) ve SSN_NARX kodlu model ile I. Maksimum 96,18 (Mayıs 2023), II. Maksimum 114,1 (Temmuz 2025) olarak iki tepeli (Gnevyshev Boşluğuna sahip) tahmin edilmiştir.
Özet (Çeviri)
Since the Sun is the closest star to us, it is the best laboratory to understand the radiation mechanism of stars. When this natural laboratory is examined under different conditions, it is seen that many interconnected parameters actually occur in periods of about 11 years. This variation of Solar Activity is the Solar Cycle that have been followed since the 1700s. The monitoring and predicting of the Solar Cycle 25 we are in is being scientifically examined by researchers in order to prevent possible damage to the daily life on Earth and satellites outside the Earth's atmosphere, space stations and spacecraft for the next 11 years. Artificial neural networks, which have developed in recent years and are based on the human nervous system, are used in classification and prediction applications in many fields. The ability to predict the future behavior of Solar Activity becomes extremely important because of its impact on Earth. Predictions of both the amplitude and timing of the next Solar Cycle are helpful in predicting the various consequences of Space Weather. Various prediction techniques have been applied in the field of Solar Activity prediction, with varying degrees of success. One of these techniques is the neural network method. In this thesis, various neural network-based models are constructed and the best-fit models are used to predict the shape and maximum values of the Solar Cycle 25. In the thesis study, monthly Solar Activity (Solar Spot Number (GLS), Solar Flare Number (C, M and X X-ray classes), Total Solar Irradiance (Solar Constant Variation), 10.7 cm Solar Radio Flux) and Geomagnetic Index (Ap) data each parameter counted for the Solar Cycle 25 has been predicted with the“Nonlinear Autoregressive Exogenous Model (NARX - Nonlinear AutoRegressive eXogenous)”neural network technique by using the averages and performing simple normalization between 0 and 1. The purpose of using these parameters together is not only to monitor the situation of the Sun, but also to examine the design of spacecraft, the security of the communication network and its effect on climate events within the scope of Sun-Earth Interactions (Space Weather) in the light of our predictions. With the developed neural network models, the time dependent behavior of the counted parameters observed during the last 4 Solar Cycles (Cycles 21 - 24) was investigated. In this thesis, the SSN maximum value (date) in the Solar Cycle 25 is: 104.58 (May 2024) with the model code Model3_NARX, 113.31 (April 2026) with the model code Model7_NARX and 114.1 (July 2025) with the model code SSN_NARX has been predicted (with Gnevyshev Gap).
Benzer Tezler
- Güneş leke çevriminin modellenmesi ve kaotik özelliklerinin incelenmesi
Analysis of chaotic features and modelling of sunspot cycle
VOLKAN SARP
Yüksek Lisans
Türkçe
2018
Astronomi ve Uzay BilimleriAkdeniz ÜniversitesiUzay Bilimleri ve Teknolojisi Ana Bilim Dalı
DOÇ. DR. ALİ KILÇIK
- Comparison of experimental and semi-experimental models for predicting solar thermal power plants with artificial neural network
Solar termal santralların yapay sinir ağlarıyla öngörüsünde deneysel ve yarı-deneysel modellerin karşılaştırılması
SHABNAM CHOOPANI
Yüksek Lisans
İngilizce
2023
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimleri ve Teknoloji Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURAK BARUTÇU
- Modelling longitudinal motion of an electric vehicle and wheel slip control through NN based uncertainty prediction
Elektrikli aracın boyuna hareketinin modellenmesi ve yapay sinir ağı tabanlı belirsizlik kestirimli tekerlek kayma kontrolü
DUYGU ÖZYILDIRIM
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. OVSANNA SETA ESTRADA
- Fotovoltaik termal (FV/T) ve bina entegreli FV/T (BIPV/T) sistemlerde akışkan kullanımının elektriksel karakteristik üzerine etkisinin incelenmesi
Investigation on the effect of fluid use on electrical characteristics in photovoltaic thermal (PV/T) and building integrated PV/T (BIPV/T) system
MAHMUT UÇMAN
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik MühendisliğiOsmaniye Korkut Ata ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HALİL EROL
YRD. DOÇ. DR. ZEHAN KESİLMİŞ
- Güneş leke çevrimleri tahmin yöntemleri ve 25. çevrimin beklenen özellikleri
The prediction methods of sunspot cycles and the expected features of 25th cycle
BERNA AY
Yüksek Lisans
Türkçe
2022
Astronomi ve Uzay BilimleriEge ÜniversitesiAstronomi ve Uzay Bilimleri Ana Bilim Dalı
DOÇ. DR. ESİN SİPAHİ