Uçuş verilerinin analizi ve tahmini için derin öğrenme yaklaşımları

Basit Öğe Kaydı
dc.authorid0000-0003-1876-7499
dc.contributor.advisorÇetin, Mehmet Emin
dc.contributor.authorGülşen, Gökhan
dc.date.accessioned2025-07-24T11:43:17Z
dc.date.available2025-07-24T11:43:17Z
dc.date.issued2025
dc.date.submitted2025
dc.departmentNEÜ, Fen Bilimleri Enstitüsü, Uçak Mühendisliği Anabilim Dalı
dc.descriptionYüksek Lisans Tezi
dc.description.abstractBu çalışma, uçuş verilerinin analizi ve tahmini için derin öğrenme yöntemlerinin uygulanmasını incelemektedir. Hızla büyüyen havacılık sektörü, uçuş güvenliğini artırmak, operasyonel verimliliği optimize etmek ve yolcu memnuniyetini sağlamak amacıyla uçuş rotası ve uçuş gecikmesi tahmini gibi konulara odaklanmayı gerektirmektedir. Tezde, uçuş rotası ve gecikmesi tahminleri için CNN ve LSTM gibi derin öğrenme modelleri kullanılmıştır. Çalışmada, ADS-B verileri ve BTS On-Time Performance verileri birleştirilerek hem zamansal hem de uzamsal analizler gerçekleştirilmiştir. Uçuş rotası tahminlerinde LSTM ile düşük hata oranları elde edilirken, gecikme tahminleri için CNN modeli başarıyla uygulanmıştır. Sonuçlar, uçuş rotası ve gecikmelerinin birbirine olan etkilerini ortaya koymakta ve havacılık operasyonlarının optimizasyonu için pratik çözüm önerileri sunmaktadır.
dc.description.abstractThis study explores the application of deep learning methods for the analysis and prediction of flight data. The rapidly growing aviation sector necessitates a focus on flight route and delay prediction to enhance safety, optimize operational efficiency, and improve passenger satisfaction. In this thesis, deep learning models such as CNN and LSTM were employed for flight route and delay predictions. By integrating ADS-B data with BTS On-Time Performance datasets, both temporal and spatial analyses were conducted. The LSTM model achieved low error rates in flight route predictions, while the CNN model was effectively applied for delay estimations. The results reveal the interdependencies between flight routes and delays, offering practical solutions for the optimization of aviation operations.
dc.identifier.citationGülşen, G. (2025). Uçuş verilerinin analizi ve tahmini için derin öğrenme yaklaşımları. (Yayımlanmamış yüksek lisans tezi). Necmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü Uçak Mühendisliği Anabilim Dalı, Konya.
dc.identifier.urihttps://hdl.handle.net/20.500.12452/19492
dc.language.isotr
dc.publisherNecmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectADS-B
dc.subjectCNN
dc.subjectDerin Öğrenme
dc.subjectLSTM
dc.subjectRota Tahmini
dc.subjectUçuş Gecikmesi
dc.subjectDeep Learning
dc.subjectFlight Delay Prediction
dc.subjectFlight Route Prediction
dc.titleUçuş verilerinin analizi ve tahmini için derin öğrenme yaklaşımları
dc.title.alternativeDeep learning approaches for analysis and prediction of flight data
dc.typeMaster Thesis

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
GökhanGülşen_YL_2025.pdf
Boyut:
1.35 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Yüksek Lisans Tezi
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.17 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleskiyonu