Deep learning for improved forecasting of geomagnetic storms in disaster management
Afet yönetiminde jeomanyetik fırtınaların geliştirilmiş tahmini için derin öğrenme
- Tez No: 881913
- Danışmanlar: DR. ÖĞR. ÜYESİ ABDULLAHİ ABDU IBRAHIM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
Bu araştırma çalışması, afet yönetimi bağlamında Jeomanyetik fırtınaların gelişmiş tahminlerine odaklanmaktadır. Dünyanın manyetosferindeki bozuklukların neden olduğu jeomanyetik fırtınaların kritik altyapılar ve iletişim sistemleri üzerinde önemli etkileri olabilir. Bu fırtınaların doğru tahmin edilmesi, etkili afet hazırlığı ve müdahale stratejileri için çok önemlidir. Bu çalışmada, jeomanyetik aktiviteyi tahmin etmek için Uzun Kısa Süreli Bellek (LSTM) modellerine dayalı bir yaklaşım öneriyoruz. İlgili zaman serisi verilerini topluyor ve ön işleriz, veri araştırma ve analiz tekniklerini kullanır ve özel bir LSTM modeli geliştiririz. Model, kayıp fonksiyonları ve Ortalama Karekök Hata (RMSE) dahil olmak üzere çeşitli performans ölçümleri kullanılarak eğitilir ve değerlendirilir. Sonuçlarımız, LSTM modelinin zamansal bağımlılıkları ve kalıpları yakalamadaki etkinliğini ve doğru tahminlere yol açtığını göstermektedir. Ayrıca, yaklaşımımızın afet yönetimi senaryolarına pratik uygulanabilirliğini tartışıyor ve gelecekteki araştırmalar için yolları vurguluyoruz. Bu araştırmanın sonuçları değerli bilgiler sağlıyor ve Jeomanyetik fırtınaların tahmininin geliştirilmesine, sonuçta afet yönetimi stratejilerinin ve bu doğal olaylar karşısında dayanıklılığın geliştirilmesine katkıda bulunuyor.
Özet (Çeviri)
This research work focuses on the improved forecasting of Geomagnetic storms in the context of disaster management. Geomagnetic storms, caused by disturbances in Earth's magnetosphere, can have significant impacts on critical infrastructures and communication systems. Accurate forecasting of these storms is essential for effective disaster preparedness and response strategies. In this study, we propose an approach based on Long Short-Term Memory (LSTM) models to forecast geomagnetic activity. We gather and preprocess relevant time series data, employ data exploration and analysis techniques, and develop a tailored LSTM model. The model is trained and evaluated using various performance metrics, including loss functions and the Root Mean Squared Error (RMSE). Our results demonstrate the effectiveness of the LSTM model in capturing temporal dependencies and patterns, leading to accurate predictions. Furthermore, we discuss the practical applicability of our approach in disaster management scenarios and highlight avenues for future research. The outcomes of this research provide valuable insights and contribute to enhancing the forecasting of Geomagnetic storms, ultimately improving disaster management strategies and resilience in the face of these natural phenomena.
Benzer Tezler
- Stock market prediction using machine learning models
Makine öğrenmesi modellerini kullanarak hisse senedi öngörüsü
ATAKAN SİTE
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZERRİN IŞIK
- Derin öğrenme ile çizge zaman serilerinin analizi
Analysis of graph time series with deep learning
MUSTAFA MERT KESKİN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET MURAT ÖZBAYOĞLU
- Hava durumu tahmini için veri madenciliği tabanlı bir model geliştirilmesi
Development of a data mining based model for weather forecasting
YUNUS EMRE CEBECİ
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- Deep learning approaches for hailstorm detection and forecasting using CNN and LSTM algorithms: Comparative evaluation of radar products
Derin öğrenme yaklaşımlarıyla dolu fırtınası tespiti ve tahmini için CNN ve LSTM algoritmalarının kullanılması: Radar ürünlerinin karşılaştırmalı değerlendirmesi
NAHİT ÇATMADIM
Yüksek Lisans
İngilizce
2023
Bilim ve Teknolojiİstanbul Teknik Üniversitesiİklim ve Deniz Bilimleri Ana Bilim Dalı
PROF. DR. MEHMET SİNAN ÖZEREN
- Kısa dönem elektrik tüketim tahmini için 2D-CNN ve derin öğrenme algoritmaları kullanılarak hibrit bir model geliştirilmesi
A hybrid model by using 2D-CNN and deep learning algorithms for short-term electricity consumption forecasting
DUYGU ALTUNKAYA
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Gıda ve Tarım ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURAK YILMAZ