Geri Dön

Kısmi türevli diferansiyel denklemlerin analitik çözümleri ve yapay sinir ağı uygulaması

Analytical solutions of partial differential equations and artificial neural network application

  1. Tez No: 973527
  2. Yazar: NEVRİYE TAKIMSU
  3. Danışmanlar: DR. ÖĞR. ÜYESİ GÜLDEM YILDIZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Matematik, Mathematics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Niğde Ömer Halisdemir Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Matematik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu tez çalışmasında, farklı fiziksel olayların ve dalga hareketlerinin modellenmesinde yaygın olarak kullanılan lineer olmayan kısmi türevli diferansiyel denklemlerden Calogero-Bogoyavlenskii-Schiff, Gardner ve Klein-Gordon denklemleri incelenmiştir. Bu denklemlerin analitik çözümleri, Sardar alt denklem metodu kullanılarak elde edilmiştir. Belirlenen çözümlerin davranışları iki ve üç boyutlu grafiklerle gösterilmiştir. Çalışmanın ikinci aşamasında, ileri beslemeli yapay sinir ağı modeli oluşturulmuş ve analitik çözümlerle karşılaştırmalı olarak değerlendirilmiştir. Elde edilen sonuçlar tablo ve grafiklerle sunulmuş; yapay sinir ağı modelinin doğrusal olmayan kısmi türevli diferansiyel denklemlerin çözümlerini yüksek doğrulukla tahmin edebildiği gösterilmiştir.

Özet (Çeviri)

In this thesis study, the Calogero-Bogoyavlenskii-Schiff, Gardner, and Klein-Gordon equations, which are commonly used in modelling different physical phenomena and wave motions, were examined among the nonlinear partial differential equations. We obtained the analytical solutions of these equations using the Sardar subequation method. Two- and three-dimensional graphs illustrate the behaviour of the determined solutions. In the second phase of the study, we developed a feedforward artificial neural network model and evaluated it against the analytical solutions. The results obtained are presented in tables and graphs; it has been shown that the artificial neural network model can predict the solutions of nonlinear partial differential equations with high accuracy.

Benzer Tezler

  1. Kısmi türevli diferansiyel denklemlerin derin öğrenme ve makine öğrenmesi algoritmaları ile sayısal çözümleri

    Numerical solutions of partial differential equations with deep learning and machine learning algorithms

    BURCU ECE ALP

    Doktora

    Türkçe

    Türkçe

    2025

    Matematikİstanbul Kültür Üniversitesi

    Matematik ve Bilgisayar Bilimleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET FATİH UÇAR

  2. Çekirdeği gözenekli kiriş yapılarının difere419026nsiyel dönüşüm metodu kullanılarak serbest titreşim analizi

    Free vibration analysis of foam core beam structures via differential transform method

    AHMET GÖKAY ÖZTÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Uçak Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. İBRAHİM ÖZKOL

  3. Nonlineer elektromanyetik problemlerin sonlu elemanlar yöntemi ile çözümünde malzeme karakteristiklerinin yapay sinir ağları ile modellenmesi

    Başlık çevirisi yok

    KAMURAN NUR DÖNMEZTÜRK BEKİROĞLU

    Doktora

    Türkçe

    Türkçe

    1998

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. İBRAHİM ŞENOL

  4. Gemi etrafındaki sınır tabakanın incelenmesi

    A Study on the boundary layer surrocnding ship hulls

    BARIŞ BARLAS

    Doktora

    Türkçe

    Türkçe

    1999

    Gemi Mühendisliğiİstanbul Teknik Üniversitesi

    PROF.DR. ALİ İHSAN ALDOĞAN

  5. Optical solitons for the higher-order cubic-quintic nonlinear Schrödinger equation with a PT-symmetric potential

    PT-simetrik bir potansiyel içeren doğrusal olmayan yüksek mertebe kübik-kuintik Schrödinger denkleminde optik solitonlar

    AYŞE ŞEBNEM YAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Matematikİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İLKAY BAKIRTAŞ AKAR