Derin pekiştirmeli öğrenme ile telekomünikasyon sahalarının önceliklendirilmesi
Prioritization of telecommunication sites with deep reinforcement learning
- Tez No: 958847
- Danışmanlar: PROF. DR. BURAK ERKAYMAN
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışmanın temel amacı, Türkiye'de Mersin iline ait telekomünikasyon sahalarının 5G altyapı geçiş sürecine yönelik olarak önceliklendirilmesini sağlamak üzere, veri odaklı ve öğrenen bir karar destek modeli geliştirmektir. Bu kapsamda, çok sayıda performans ve potansiyel belirteci dikkate alınarak, geleneksel sıralama yöntemlerinin ötesinde, adaptif ve dinamik öğrenmeye dayalı bir model önerilmektedir. Yöntem: Çalışmada, pekiştirmeli öğrenme tabanlı bir yaklaşım olarak Yakın Politika Optimizasyonu (YPO) algoritması kullanılmıştır. Ajan tabanlı bir simülasyon ortamı tasarlanarak, sahalara ait demografik, kapasite, trafik yükü, gelir, büyüme potansiyeli gibi çok boyutlu veriler işlenmiş; ayrıca stokastik özellikler de modele eklenmiştir. Modelin başarımı, uzman sıralamaları ile karşılaştırılarak Spearman korelasyonu üzerinden ölçülmüştür. Bulgular: Geliştirilen YPO tabanlı model, uzman görüşleriyle yüksek derecede örtüşen sıralamalar üretmiş ve özellikle nüfus artışı, konut gelişim hızı, veri kullanımı gibi parametrelerin saha önceliği üzerindeki etkisini güçlü biçimde yansıtmıştır. Korelasyon katsayısı %88'a ulaşan model elde edilmiş ve veriye dayalı öğrenmenin karar destek sürecinde sağladığı katkılar ortaya konmuştur. Sonuç: Bu tez çalışması, 5G altyapı yatırımları gibi yüksek maliyetli ve stratejik kararların, pekiştirmeli öğrenme temelli modellerle daha objektif, esnek ve dinamik biçimde yönlendirilebileceğini göstermektedir. Geliştirilen simülasyon ortamı ve YPO algoritmasına dayalı önceliklendirme yaklaşımı, yalnızca mevcut verilerle değil, geleceğe yönelik olasılıklarla da uyumlu kararlar üretme potansiyeli taşımaktadır. Bu yönüyle çalışma, telekomünikasyon sektöründe yapay zekâ destekli planlama uygulamalarına önemli bir katkı sağlamaktadır.
Özet (Çeviri)
Purpose: The primary objective of this study is to develop a data-driven and adaptive decision support model to prioritize telecommunication sites in Mersin, Türkiye, for the transition to 5G infrastructure. In this context, a model based on adaptive and dynamic learning is proposed, going beyond traditional ranking methods by taking into account a wide range of performance indicators and potential determinants. Method: The study employs Proximal Policy Optimization (PPO), a reinforcement learning-based algorithm. An agent-based simulation environment was designed to process multidimensional data (demographics, capacity, traffic load, revenue, growth potential, etc.) from sites. Stochastic features were also integrated into the model. Performance was evaluated using Spearman correlation by comparing model outputs against expert rankings. Findings: The developed PPO-based model generated rankings highly consistent with expert evaluations. It strongly reflected the impact of parameters such as population growth, housing development rate, and data usage on site priority. A model achieving a correlation coefficient of 88% was obtained, demonstrating the value of data-driven learning in decision support processes. Results: This thesis shows that high-cost strategic decisions (e.g., 5G infrastructure investments) can be guided more objectively, flexibly, and dynamically using reinforcement learning models. The proposed simulation environment and PPO-based prioritization approach generate decisions compatible not only with current data but also with future scenarios. Thus, the study significantly contributes to artificial intelligence assisted planning applications in telecommunications.
Benzer Tezler
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Antakya tarihi ticaret merkezi mekansal yapı değişim ve gelişim sürecinin kent ticaret merkezi planlamasına etkinliği
The Effectiveness of spatial structural chance and development period of the historical trade center of Antakya in the urban trade planning
NEVİN TURGUT
Yüksek Lisans
Türkçe
1986
Şehircilik ve Bölge PlanlamaGazi ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
YRD. DOÇ. DR. NURCAN UYDAŞ
- Türkiye'de aile planlaması çalışmalarında erkeklerin önemi, hastane personeli ile fabrika işçilerinin doğum kontrol yöntemlerine karşı tutum ve davranranışlarında farklılığın araştırılması
Başlık çevirisi yok
KAMİL MALKOÇLU
Yüksek Lisans
Türkçe
1987
Demografiİstanbul ÜniversitesiAile Sağlığı Ana Bilim Dalı
DOÇ. DR. DERİN KÖSEBAY
- Deri temizliği hemşirelik tekniğine uygun olarak yapılmış ve yapılmamış hastalarda ameliyat sonrası yara enfeksiyonunun görülme sıklğı
A Comparison of wound infection incidences between the patients who were cleansed in ward according to the nursing technique and those who were cleansed in operating room
NÜKHET TÜRKEL
- Sivas yöresinde izole edilen dermatofitler
Dermathopytes isolated in the Sivas area of Turkey
ÖZDER ÖZTUNALI
Yüksek Lisans
Türkçe
1984
MikrobiyolojiCumhuriyet ÜniversitesiMikrobiyoloji Ana Bilim Dalı
YRD. DOÇ. DR. YAHYA HAKGÜDENER