img
Comparison of the Performance of the Regression Models in GPS-Total Electron Content Prediction       
Yazarlar
Buse Akyüz
Doç. Dr. Seçil KARATAY
Kastamonu Üniversitesi, Türkiye
Dr. Öğr. Üyesi Faruk ERKEN
Kastamonu Üniversitesi, Türkiye
Özet
İyonosfer, üst atmosferde radyo iletişiminin sağlandığı önemli bir katmandır. İyonosfer atmosferin 50 km ila 1000 km yüksekliği boyunca yer alır. İyonosferin en önemli parametresi olan elektron yoğunluğu, konuma, zamana, mevsimlere, yüksekliğe, güneş, jeomanyetik ve sismik aktiviteye bağlı olarak değişir. Elektron yoğunluğunun ölçülebilir önemli bir miktarı, iyonosferin ve üst atmosferin yapısını araştırmak için kullanılan Toplam Elektron İçeriği’dir (TEİ). TEİ kestiriminde, düşük maliyetli ve yaygın alıcı ağına sahip olan Yerküresel Konumlama Sistemi (YKS) yaygın olarak kullanılır. Bu çalışmada YKS’den kestirilen IONOLAB-TEC verileri kullanılmıştır. TEİ'nin tahmini, Dünya-uzay ve uydudan uyduya iletişim sistemlerini çalıştırmak ve planlamak, TEİ kullanarak deprem haberci sinyallerini oluşturmak ve iyonosferdeki anomalileri tespit etmek için önemli bir olgudur. Bu çalışmada, YKS’den elde edilen IONOLAB-TEC verileri, regresyon modelleri kullanılarak tahmin edilmiştir. Test edilen algoritmalar arasında, Üstel Gauss Süreç Regresyon ve Etkileşimli Lineer Regresyon algoritmalarının, TEC tahmini için oldukça başarılı ve yüksek performanslı bir modeller olduğu gözlenmiştir.  
Anahtar Kelimeler
Toplam elektron içeriği,makine öğrenmesi,tahmin,regresyon,Total electron content,machine learning,prediction,regression
Makale Türü Özgün Makale
Makale Alt Türü ESCI dergilerinde yayımlanan tam makale
Dergi Adı Politeknik Dergisi
Dergi ISSN 1302-0900
Dergi Tarandığı Indeksler Emerging Sources Citation Index (ESCI)
Makale Dili İngilizce
Basım Tarihi 03-2023
Cilt No 26
Sayı 1
Sayfalar 321 / 328
Doi Numarası 10.2339/politeknik.1137658
Makale Linki http://dx.doi.org/10.2339/politeknik.1137658
BM Sürdürülebilir Kalkınma Amaçları
Atıf Sayıları
Google Scholar 1
Google Scholar 1
Comparison of the Performance of the Regression Models in GPS-Total Electron Content Prediction

Paylaş