Dar Su Yollarında El Kumandası İle Seyir Yapan Gemilerin Konumunun Yapay Sinirsel Ağlar Kullanılarak Öngörülmesi

dc.contributor.advisor Ertuğrul, Şeniz tr_TR
dc.contributor.author Şimşir, Uğur tr_TR
dc.contributor.department Konstrüksiyon ve İmalat tr_TR
dc.contributor.department Construction and Manufacturing en_US
dc.date 2007 tr_TR
dc.date.accessioned 2015-10-15T12:01:12Z
dc.date.available 2015-10-15T12:01:12Z
dc.description Tez (Doktora) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2007 tr_TR
dc.description Thesis (PhD) -- İstanbul Technical University, Institute of Science and Technology, 2007 en_US
dc.description.abstract Çalışmada, İstanbul Boğazı model alınarak, Gemi Trafik Hizmetleri (GTH) merkezinde erken uyarı sistemi ve geçiş yapan gemilerde seyir yardımcısı olarak görev yapacak bir yöntem geliştirilmiştir. Boğaz kazalarının, gemilerin trafik ayrım sınırlarını ihlal etmeleri nedeniyle meydana geldiği bilindiğinden, ihlalin önceden tespiti ile tehlike riskini azaltmak ve olası kazaları engellemek hedeflenmiştir. GTH merkezi imkanlarıyla elde edilen, el kumandası ile boğaz geçişi yaptırılan gemilerin tüm çevre şartlarına bağlı olan hareketine ait verileri kullanılarak yapay sinirsel ağlar eğitilmiş ve eğitilmiş yapay sinir ağları (EYSA) ile İstanbul Boğazının coğrafi özellikleri göz önüne alınarak kabul edilmiş süre olan 3 dakika sonraki yerleri öngörülmüştür. Özellikle dönüş bölgelerinde herhangi bir nedenle oluşacak ihlalin önceden belirlenmesi ile olası kazaların önlenmesinin mümkün olacağı tespit edilmiştir tr_TR
dc.description.abstract In this study, a guidance and a early warning methods are developed for navigation in narrow waterways. The method could be utilized for early warning system by Vessel Traffic Services (VTS) operators and guidance system by vessel crew. The Istanbul Strait is specifically studied as a model. The basis of this study is to predict three minutes ahead coordinates of a manually controlled vessels using Artificial Neural Networks (ANN). Artificial Neural Networks have been trained by using position and speed data collected from vessels which navigated manually in the strait and they included effects of environmental conditions and geographical characteristics of the strait. Three-minute-ahead-position of vessels have been predicted by using the trained ANN (TANN). Some experiments have been realized in Istanbul VTS centre and it has been observed that the method satisfied the goal in especially turning points of the strait. VTS operators have to notice a risk on time which may result with a disaster because of negligence of the vessel crew en_US
dc.description.degree Doktora tr_TR
dc.description.degree PhD en_US
dc.identifier.uri http://hdl.handle.net/11527/9657
dc.publisher Fen Bilimleri Enstitüsü tr_TR
dc.publisher Institute of Science and Technology en_US
dc.rights İTÜ tezleri telif hakkı ile korunmaktadır. Bunlar, bu kaynak üzerinden herhangi bir amaçla görüntülenebilir, ancak yazılı izin alınmadan herhangi bir biçimde yeniden oluşturulması veya dağıtılması yasaklanmıştır. tr_TR
dc.rights İTÜ theses are protected by copyright. They may be viewed from this source for any purpose, but reproduction or distribution in any format is prohibited without written permission. en_US
dc.subject Yapay Sinir Ağları tr_TR
dc.subject Elle Kontrol tr_TR
dc.subject İnsan-Makina Etkileşimi tr_TR
dc.subject Seyir tr_TR
dc.subject Artificial Neural networks en_US
dc.subject Manual Control en_US
dc.subject Man-Machine Interaction en_US
dc.subject Navigation en_US
dc.title Dar Su Yollarında El Kumandası İle Seyir Yapan Gemilerin Konumunun Yapay Sinirsel Ağlar Kullanılarak Öngörülmesi tr_TR
dc.title.alternative Prediction Of Manually Controlled Vessels’ Position Navigating In Narrow Waterways Using Artificial Neural Networks en_US
dc.type Thesis en_US
dc.type Tez tr_TR
Dosyalar
Orijinal seri
Şimdi gösteriliyor 1 - 1 / 1
thumbnail.default.alt
Ad:
7580.pdf
Boyut:
1004.08 KB
Format:
Adobe Portable Document Format
Açıklama
Lisanslı seri
Şimdi gösteriliyor 1 - 1 / 1
thumbnail.default.placeholder
Ad:
license.txt
Boyut:
3.16 KB
Format:
Plain Text
Açıklama