Ötegezegen sınıflandırması için makine öğrenmesi destekli web tasarımı
Machine learning supported web design for exoplanet classification
- Tez No: 973488
- Danışmanlar: PROF. DR. MEHMET TANRIVER
- Tez Türü: Yüksek Lisans
- Konular: Astronomi ve Uzay Bilimleri, Astronomy and Space Sciences
- Anahtar Kelimeler: Ötegezegenler, Makine Öğrenmesi, Ötegezegen Sınıflandırması, Ötegezegen Web Tasarımı, Exoplanets, Machine Learning, Exoplanet Classification, Web Design for Exoplanet
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Astronomi ve Uzay Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışması, ötegezegenlerin keşfi ve sınıflandırılmasını makine öğrenmesi yöntemleriyle incelemektedir. Evrende milyarlarca yıldızın çevresinde bulunan ötegezegenlerin doğrudan gözlemlenmesi zor olduğundan, bu cisimler genellikle dolaylı yöntemlerle keşfedilmektedir. 1990'lı yıllardan bu yana tespit edilen binlerce ötegezegen, kütle, yarıçap ve yörünge özelliklerine göre karasal gezegen, süper-Dünya, gaz devi ve Neptün benzeri olarak sınıflandırılmaktadır. Tez kapsamında NASA Exoplanet Archive ve Kaggle kaynaklarından elde edilen 5.250 gözlem ve 13 değişkenden oluşan veri seti kullanılmıştır. İstatistiksel analizler sonucunda özellikle kütle, yarıçap ve yörünge periyodunun sınıflandırmada belirleyici olduğu görülmüştür. Makine öğrenmesi aşamasında denetimli öğrenme algoritmaları uygulanmış, doğruluk oranları karşılaştırılmıştır. Random Forest ve Bagging algoritmalarının yüksek başarı sağladığı, ötegezegen sınıflandırmasında güçlü yöntemler olduğu belirlenmiştir. Ayrıca, geliştirilen modelin uygulanabilirliğini artırmak amacıyla bir web uygulaması tasarlanmıştır. Bu uygulama, kullanıcıların belirli parametreleri girerek ötegezegen türlerini tahmin etmelerine olanak tanımaktadır. Çalışmanın mevcut sürümü çevrimiçi erişilebilir olup, ilerleyen süreçte GitHub üzerinde açık erişimle paylaşılması planlanmaktadır.
Özet (Çeviri)
This thesis examines the discovery and classification of exoplanets using machine learning methods. As it is difficult to observe exoplanets directly, these objects are usually discovered using indirect methods. Since the 1990s, thousands of exoplanets have been detected and classified as terrestrial planets, super-Earths, gas giants, and Neptune-like planets based on their mass, radius, and orbital characteristics. This thesis utilises a dataset comprising 5,250 observations and 13 variables, obtained from the NASA Exoplanet Archive and Kaggle sources. Statistical analyses revealed that mass, radius and orbital period are particularly decisive in classification. Supervised learning algorithms were applied in the machine learning phase and the accuracy rates achieved were compared. It was determined that Random Forest and Bagging algorithms web designachieved high success rates and are powerful methods for exoplanet classification. Additionally, a web application was designed to enhance the applicability of the developed model. This application allows users to predict exoplanet types by entering specific parameters. The current version of the study is available online, and it is planned to share it on GitHub with open access in the future.
Benzer Tezler
- Uzay teleskopları çağında ötegezegen keşifleri
Exoplanet discoveries in the era of space telescopes
RAHMİ CAN YÜKSEL
Yüksek Lisans
Türkçe
2025
Astronomi ve Uzay BilimleriEge ÜniversitesiAstronomi ve Uzay Bilimleri Ana Bilim Dalı
DOÇ. DR. ORKUN ÖZDARCAN
- Yıldız-gezegen sistemleri: Model ve analiz
Star-planet systems: Modeling and analysis
OĞUZ ÖZTÜRK
Doktora
Türkçe
2019
Fizik ve Fizik MühendisliğiÇanakkale Onsekiz Mart ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. AHMET ERDEM
- Ötegezegen geçiş gözlemleri ve ışık eğrileri analizi
Transiting exoplanet observations and light curve analyses
GÖZDE SARAL
Yüksek Lisans
Türkçe
2012
Astronomi ve Uzay BilimleriAnkara ÜniversitesiAstronomi ve Uzay Bilimleri Ana Bilim Dalı
PROF. DR. ETHEM DERMAN
- Ötegezegen araştırmalarında geçiş yöntemi ve ışık eğrisi analizi
Transition method and light curve analysis in explanation research
CİHAN BERBER
Yüksek Lisans
Türkçe
2021
Astronomi ve Uzay Bilimleriİstanbul Kültür ÜniversitesiFizik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞEGÜL FULYA YELKENCİ
- Geçiş zamanlama değişimi yöntemi ile ötegezegen araştırmaları
Exoplanet research with transition timing variation method
FATMA TEZCAN
Yüksek Lisans
Türkçe
2021
Astronomi ve Uzay BilimleriAtatürk ÜniversitesiAstronomi ve Astrofizik Ana Bilim Dalı
PROF. DR. CAHİT YEŞİLYAPRAK
DOÇ. DR. ÖZGÜR BAŞTÜRK