GNSS bazlı TEC değerlerinin modellenmesinde yapay sinir ağları ve regresyon tabanlı yöntemlerin performanslarının araştırılması
Investigation of the performance of artificial neural networks and regression based methods in modeling GNSS-based TEC values
- Tez No: 917673
- Danışmanlar: DOÇ. DR. SAMED İNYURT
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Tokat Gaziosmanpaşa Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İyonosfer yeryüzünden yaklaşık 60-1 000 km yüksekte bulunan, iyonize olmuş gazlar ve elektronlardan oluşan yapısı sayesinde elektromanyetik dalgaların yayılmasını sağlayan bir atmosfer katmanıdır. Radyo dalgalarının iletimi, Global Uydu Navigasyon Sistemleri (GNSS) ile konum belirleme, haberleşme, uzay iklim koşullarının tahmini, sismik aktivitelerin araştırılması gibi birçok alanda iyonosferin yapısı ve iyonosfer parametrelerinin incelenmesi önem taşımaktadır. Güneş ışınımı nedeniyle moleküller iyonlara ve serbest elektronlara ayrılmaktadır. Uydu alıcı sinyal yolu arasında 1 m2 kesitli silindir boyunca serbest halde bulunan elektronların sayısı, toplam elektron miktarı (TEC) olarak adlandırılmaktadır. İyonosfer tabakasının en önemli parametresi olan TEC radyo dalgalarının yayılımını etkilemektedir. TEC'in izlenmesi ve hassas bir şekilde tahmin edilmesi gerçek zamanlı navigasyon, konum belirleme ve iletişimde kesintisiz bir performans sağlamakta, aynı zamanda iyonosferin insan faaliyetleri ve yaşam üzerindeki olumsuz etkilerini azaltmaya yönelik önlemleri desteklemektedir. Bu nedenle, yüksek hassasiyetli bir iyonosferik TEC tahmin modeli oluşturmak gereklidir. Bu çalışmada TEC değerlerinin önceden tahmin edilmesi için regresyon ve yapay sinir ağları (ANN) tabanlı modeller geliştirilmiştir. Çalışma kapsamında klasik regresyon analizi (KRA) üç farklı fonksiyon için, MARS, TreeNet, RF ve ANN yöntemleri kullanılmıştır. Veri seti olarak ANRK sabit GNSS istasyonundan elde edilen 2014-2018 yılları arasındaki 1 saat zamansal çözünürlüklü TEC verileri kullanılmıştır. Geliştirilmiş olan modellerin performansları karesel ortalama hata, ortalama mutlak hata ve Nash-Sutcliffe istatistikleri kullanılarak karşılaştırılmıştır. Bu yöntemler arasından TreeNet yöntemi ile geliştirilen modeller ilkbahar, yaz ve sonbahar mevsimlerinde en yüksek performans istatistiklerini veren modeller olmuştur. Kış mevsimi için ise yine regresyon tabanlı olan RF yöntemi ile geliştirilen model en yüksek performansları vermiştir. ANN yöntemi ise bu çalışmada en etkili yöntemlerden biri olmuştur. ANN yöntemiyle geliştirilen modellere ait performans değerlerine bakıldığında her bir mevsim için en yüksek performansı veren ikinci yöntem durumunda olduğu belirlenmiştir.
Özet (Çeviri)
The ionosphere is an atmospheric layer located approximately 60-1 000 km above the Earth's surface, which enables the propagation of electromagnetic waves thanks to its structure consisting of ionized gases and electrons. The study of the structure of the ionosphere and ionosphere parameters is important in many fields such as transmission of radio waves, position determination with Global Navigation Satellite Systems (GNSS), communication, prediction of space climate conditions, investigation of seismic activities. Molecules are split into ions and free electrons due to solar radiation. The amount of free electrons along a cylinder with a cross-section of 1 m2 between the satellite receiver and the signal path is called the total electrons content (TEC). As the most important parameter of the ionosphere layer, TEC affects the propagation of radio waves. Monitoring and precisely estimating the TEC ensures uninterrupted performance in real-time navigation, positioning and communication, and supports measures to mitigate the adverse effects of the ionosphere on human activities and life. Therefore, it is necessary to establish a high-precision ionospheric TEC prediction model. In this study, regression and artificial neural network (ANN) based models are developed for the prediction of TEC values. Within the scope of the study, classical regression analysis (CRA) for three different functions, MARS, TreeNet, RF and ANN methods were used. TEC data with 1 hour temporal resolution between 2014-2018 obtained from ANRK fixed GNSS station was used as the data set. The performances of the developed models were compared using the root mean square errors, mean absolute error and Nash-Sutcliffe statistics. Among these methods, the models developed with the TreeNet method gave the highest performance statistics in the spring, summer and autumn seasons. For the winter season, the model developed with the RF method, which is also regression-based, gave the highest performances. The ANN method was one of the most effective methods in this study. When the performance values of the models developed with the ANN method are analyzed, it is determined that it is the second method with the highest performance for each season.
Benzer Tezler
- GNSS verileri kullanılarak iyonosfer modelinin oluşturulması ve global modellerle karşılaştırılması
The creation of ionosphere model using GNSS data and its comparison with global models
FUAT BAŞÇİFTÇİ
Doktora
Türkçe
2017
Jeodezi ve FotogrametriSelçuk ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. CEVAT İNAL
DOÇ. DR. ÖMER YILDIRIM
- A study on modeling the regional ionosphere using multi-constellation gnss observations for single-frequency PPP
Çoklu global uydu konum belirleme sistemlerinin gözlemleri kullanılarak tek frekanslı ppp için bölgesel iyonosferik modelleme üzerine bir çalışma
MOHAMED ABDELAZEEM MOSTAFA MANSOUR
Doktora
İngilizce
2016
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. RAHMİ NURHAN ÇELİK
PROF. DR. AHMED EL RABBANY
- Küresel iyonosfer haritalarının performansının Türkiye üzerinde değerlendirilmesi
Evaluation of performance of global ionosphere maps over Turkey
HAMZA YILDIRIM
Yüksek Lisans
Türkçe
2020
Jeodezi ve FotogrametriKocaeli ÜniversitesiJeodezi ve Jeoinformasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT SELİM ÇEPNİ
- Paddy-rice leaf area index (LAI) estimation using radar and optical imagery
Radar ve optik görüntüler kullanarak çeltik bitkisi yaprak alan indeks kestirim
ELNAZ NAJATISHENDI
Yüksek Lisans
İngilizce
2017
İletişim Bilimleriİstanbul Teknik Üniversitesiİletişim Bilimleri Ana Bilim Dalı
DOÇ. DR. ESRA ERTEN
- Forecasting global ionospheric total electron content with deep learning algorithms
Derin öğrenme algoritmaları ile küresel iyonosferik toplam elektron içeriği tahmini
KARDELEN KAYA
Yüksek Lisans
İngilizce
2026
Jeodezi ve FotogrametriHacettepe ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. METİN NOHUTCU