LTE fiziksel katman ölçümleri kullanılarak konum bazlı LTE indirme ve yükleme hızının öngörülmesi
Location-based LTE data downlink and uplink throughput prediction using LTE physical layer measurements
- Tez No: 909328
- Danışmanlar: PROF. DR. ÖZGÜR ÇAKIR
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Sayısal Yöntemler Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
GSM operatörleri, ülkemizde ve dünyada mobil telefonlarda en yaygın kullanılan 4. nesil hücresel haberleşme teknolojisi olan LTE (Long-Term Evolution, Uzun Süreli Gelişim) ile konum bazlı veri indirme ve yükleme hızlarını belirlemek için çeşitli yöntemler kullanmaktadır. Bu yöntemler arasında kendi sürüş testlerini gerçekleştirmek veya kullanıcıların telefonlarına yükledikleri uygulamalar üzerinden yaptıkları hız testlerinin sonuçlarını satın almak yer almaktadır. Ancak, bu yöntemler giderek daha zor, maliyetli ve sürdürülemez hale gelmektedir. GSM sektöründe, tüm teknolojiler için öngörüye dayalı kapsama haritaları yaygın olarak kullanılmaktadır. Bu araştırmanın amacı, LTE veri hızı öngörü haritaları oluşturmak için güvenilir bir yöntem geliştirmektir. Bu çalışmada, LTE veri indirme ve yükleme hızını öngörmek amacıyla yapay sinir ağları, karar ağaçları, regresyon, destek vektör makineleri ve rastgele orman gibi makine öğrenme algoritmalarına dayalı modeller oluşturulmuş ve bu modellerin güvenilirliği karşılaştırılmıştır. Her bir modelin oluşturulması sırasında farklı parametreler denenmiş, her makine öğrenme yöntemi için en güvenilir model seçilerek karşılaştırmalar yapılmıştır. Veri seti olarak, Türkiye'deki 81 ilde üç GSM operatörü için gerçekleştirilen sürüş testleri ölçümleri kullanılmıştır. Bu ölçümler, modellerde kullanılmadan önce birçok aşamadan geçirilerek hazır hale getirilmiştir. Yöntemler arasında daha doğru karşılaştırma yapabilmek için, her yöntem ve modelde aynı eğitim ve doğrulama verileri kullanılmıştır. Bu araştırmanın sonucunda, doğru veri setleri ve doğru parametreler kullanarak makine öğrenme algoritmaları ile LTE veri indirme ve yükleme hızları için öngörü modelleri oluşturulabileceği ve bu sonuçların harita üzerinde gösterilebileceği sonucuna varılmıştır.
Özet (Çeviri)
GSM operators use various methods to determine location-based data download and upload speeds with LTE (Long-Term Evolution), the 4th generation cellular communication technology most widely used in mobile phones in our country. These methods include performing their own driving tests or purchasing the results of speed tests through applications that users have installed on their phones. However, these methods are becoming increasingly difficult, costly and unsustainable. In the GSM industry, coverage prediction maps are widely used for all technologies. The aim of this research is to develop a reliable method for generating LTE data rate prediction maps. In this study, models based on machine learning algorithms such as artificial neural networks, decision trees, regression, support vector machines and random forest were created to predict LTE data download and upload speed, and the reliability of these models was compared. During the creation of each model, different parameters were tested and the most reliable model was selected for each machine learning method and comparisons were made. As the data set, driving test measurements performed for three GSM operators in 81 provinces in Turkey were used. These measurements were made ready by going through many stages before being used in the models. To make more accurate comparisons between methods, the same training and validation data were used for each method and model. As a result of this research, it was concluded that predictive models for LTE data download and upload speeds can be created with machine learning algorithms using correct data sets and correct parameters, and these results can be displayed on the map.
Benzer Tezler
- A generalized localization framework for terrestrial and aerial systems
Kara ve hava sistemleri için genel bir konumlandırma çerçevesi
SALİHA BÜYÜKÇORAK EDİBALİ
Doktora
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜNEŞ KARABULUT KURT
- Yeni Cami'nin akustik açıdan performans değerlendirmesi
Evaluation of the acoustical performance of the New Mosque
EVREN YILDIRIM
Yüksek Lisans
Türkçe
2003
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. SEVTAP YILMAZ DEMİRKALE
- A load balancing method for cellular networks: Mobility-aware reinforcement learning
Hücresel ağlar için yük dengeleme yöntemi: Hareketlilik bilincine sahip takviyeli öğrenme
SERKAN BUHURCU
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
DR. LEVENT ÇARKACIOĞLU
- LTE-A kablosuz ağlarda kötü niyetli röle ataklarının makine öğrenmesi yöntemleri ile tespiti
Detection of malicious relay attacks in LTE-A wireless networks by machine learning methods
YELİZ YENGİ
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADNAN KAVAK
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK