Yapay Sinir Ağı Modeli İle İyonosferik Kritik Frekans Tahmini

ĠSTANBUL TEKNĠK ÜNĠVERSĠTESĠ  FEN BĠLĠMLERĠ ENSTĠTÜSÜ

YAPAY SĠNĠR AĞI MODELĠ ĠLE ĠYONOSFERĠK KRĠTĠK FREKANS TAHMĠNĠ

YÜKSEK LĠSANS TEZĠ Yalçın Faik SÜMER

Anabilim Dalı : UZAY MÜHENDĠSLĠĞĠ Programı : UZAY MÜHENDĠSLĠĞĠ

ĠSTANBUL TEKNĠK ÜNĠVERSĠTESĠ  FEN BĠLĠMLERĠ ENSTĠTÜSÜ

YAPAY SĠNĠR AĞI MODELĠ ĠLE ĠYONOSFERĠK KRĠTĠK FREKANS TAHMĠNĠ

YÜKSEK LĠSANS TEZĠ Yalçın Faik SÜMER

(511001202)

Tezin Enstitüye Verildiği Tarih : 6 ġubat 2004 Tezin Savunulduğu Tarih : 16 Ocak 2004

Tez DanıĢmanı : Prof. Dr. Yurdanur TULUNAY Diğer Jüri Üyeleri Prof. Dr. AyĢe BĠLGE

Prof. Dr. Alsan MERĠÇ Doç. Dr. Kerem CIĞIZOĞLU Yard. Doç. Dr. OkĢan ÇETĠNER

ÖNSÖZ

Bu çalışmada, yapay sinir ağları yöntemi iki farklı model oluşturularak, iyonosfer kritik frekansı değişik durumlar için en doğru şekilde tahmin edilmeye çalışılmıştır. Manyetik etkinlik durumlarında iyonosfer katmanında oluşan kararsızlıkların haberleşme sistemleri üzerindeki olumsuz etkisi, günlük hayata da yansımaktadır. Kullanıcıları önceden haberdar ederek bu olumsuz etkileri kısmen azaltmak mümkün olacaktır. Yapılan çalışmaların birincisi, sabit bir konumda, değişen yerel zamana göre bir saat sonraki iyonosfer kritik frekansının tahminini amaçlamaktadır. Burada Moskova bölgesi incelenmiş olup yer istasyonu verileri kullanılmıştır. Diğer çalışmada ise sabit yerel zamanlar için iyonosfer kritik frekansının enleme göre değişimi doğru tahmin edilmeye çalışılmıştır. Buradaki amaç, iyonoferdeki manyetik kararsızlıklardan dolayı oluşan elektron yoğunluğu çukuru (trough) karakteristiğinin geliştirilen model ile doğru tahmin edilebilmesidir. Enleme göre veri çeşitliliğinin sağlanabilmesi açısından uydu verisi kullanılmıştır.

Bu iki çalışmanın öngördüğü tahminlerin geliştirilmesi sonucunda yüksek frekansta yayın yapan kuruluşların değişken olan iyonosfer dinamiklerine bağlı olarak yayın frekanslarında gerekli düzenlemeleri uygun zamanda yapmaları sağlanacaktır.

Öncelikle bu tezin hazırlanmasında bana sürekli destek veren ve her türlü imkanı sağlayan değerli hocam Prof. Dr. Yurdanur TULUNAY‟ a teşekkürlerimi sunarım. Çalışma boyunca bilgilerini benden esirgemeyen ve modelin geliştirilmesinde katkısı büyük olan Erdem Türker Şenalp‟ e de yardımlarından dolayı teşekkür ederim.

Bunun yanısıra bana en büyük maddi ve manevi destek sağlayan aileme ve bana her zaman destek olan arkadaşlarıma ayrıca teşekkür ederim.

ĠÇĠNDEKĠLER

KISALTMALAR v

TABLO LĠSTESĠ vi

ġEKĠL LĠSTESĠ vii

SEMBOL LĠSTESĠ viii

ÖZET ix

SUMMARY xi

1. GĠRĠġ 1

2. ĠYONOSFER TABAKASI VE RADYO DALGALARI 3

2.1. İyonosfer Katmanının Yapısı 3

2.1.1. D katmanı 3

2.1.2. E katmanı 3

2.1.3. F1 Katmanı 4

2.1.4. F2 Katmanı 4

2.2. İyonosfer Katmanında Gerçekleşen Olaylar 5

2.2.1. Yutulma süreci 6

2.2.2. Sönümlenme 7

2.3. Radyo Dalgalarının Yansıma Mekanizması 8

3. ELEKTRON YOĞUNLUĞU ÇUKURU (TROUGH) BÖLGESĠ 18

3.1. Elektron Yoğunluğu Çukuru (Trough) Oluşumu ve Tanımlanması 20 3.2. Elektron Yoğunluğu Çukuru (Trough) Bölgesinin Çeşitli Parametrelere

Bağlı Olarak İncelenmesi 24

3.2.1. Kp indeksi 24 3.2.2. Ap indeksi 27 3.2.3. Ae indeksi 28 3.2.4. Dst indeksi 28 3.2.5. Te dağılımı 30 4. YAPAY SĠNĠR AĞLARI 32

4.1. Uygulamada İzlenmesi Gereken Ana adımlar 34

4.2. Yapay Sinir Ağlarının Genel Yapısı 35

4.3. Yapay Nörondaki Komponentler 36

4.3.2. Çıkış fonksiyonu 36

4.3.3. Hata fonksiyonu ve geri besleme değeri 37

4.3.4. Öğrenme fonksiyonu 37

4.4. Yapay Sinir Ağlarında Öğrenme 37

4.4.1. Denetlenen öğrenme 37

4.4.2. Denetlenmeyen öğrenme 38

4.5. Öğrenme Kuralı 38

4.6. Radyal Temelli Fonksiyon Ağları (RBF) 38

4.7. Genelleştirilmiş Regresyon Ağları (GRNN) 39

4.8. İleri Beslemeli Geriye Yayılım (Backpropagation) Algoritması 40 5. YAPAY SĠNĠR AĞI MODELĠ ĠLE 1 SAAT SONRAKĠ foF2 TAHMĠNĠ 42

5.1. Yapay Sinir Ağı Modeli 43

5.1.1. Modelin yapısı 43

5.1.2 Öğrenme süreci 45

5.2. Elektron Yoğunluğu Çukuru (Trough) Bölgesinin Belirlendiği Değişik

Zaman Aralıkları ve Şartlar 45

5.3. Veri Setlerinin İncelenmesi ve Uygun Şekilde Düzenlenmesi 47

5.4. Sonuçlar ve Değerlendirme 49

6. YAPAY SĠNĠR AĞI MODELĠ ĠLE BÖLGESEL foF2 TAHMĠNĠ 54

6.1. Verilerin Düzenlenmesi 55 6.2. Modelin Oluşturulması 56 6.3. Sonuçlar ve Değerlendirme 57 7. SONUÇLAR VE TARTIġMA 61 KAYNAKLAR 63 EKLER 65 ÖZGEÇMĠġ 76

KISALTMALAR

HF : High Frequency

DTD : Day Time Disturbed NTQ : Night Time Quiet

MP : Minimum Position

LLP : Low Latitude Position Inv Lat : Invariant Magnetic Latitude GLAT : Geographical Latitude GLON : Geographical Longitude

RMS : Root Mean Square

UT : Universal Time

LT : Local Time

DST : Disturbance Storm Time AE : Auroral Electrojet RBF : Radial Basis Function

TABLO LĠSTESĠ

Sayfa No

Tablo 3.1. Kp ve auroraların görüldüğü enlem arasındaki ilişki ... 25

Tablo 3.2. Kp indeksine karşı gelen ap değerleri ... 27

Tablo 5.1. Her saat için kritik frekans verilerini içeren örnek bir dosya ... 48

Tablo 5.2. Model için hazırlanan veri setleri ... 48

Tablo 5.3. Modelin performansının hata analizi ile incelenmesi ... 49

Tablo 6.1. Örnek bir veri dosyası ... 55

ġEKĠL LĠSTESĠ Sayfa No ġekil 2.1 ġekil 2.2 ġekil 2.3 ġekil 2.4 ġekil 2.5 ġekil 2.6 ġekil 2.7 ġekil 2.8 ġekil 2.9 ġekil 3.1 ġekil 3.2 ġekil 3.3 ġekil 3.4 ġekil 3.5 ġekil 3.6 ġekil 3.7 ġekil 3.8 ġekil 3.9 ġekil 3.10 ġekil 3.11 ġekil 3.12 ġekil 3.13 ġekil 4.1 ġekil 4.2 ġekil 5.1 ġekil 5.2 ġekil 5.3 ġekil 5.4 ġekil 5.5 ġekil 5.6 ġekil 6.1 ġekil 6.2 ġekil 6.3 ġekil 6.4

: Elektron yoğunluğunun yükseklik ile değişimi ... : Hafif elektronların ve ağır iyonların üretimi ve kaybı ... : Radyo dalgasının yutulma süreci ... : Gök ve yer dalgasının üst üste gelmesinden dolayı sönümlenme : Radyo dalgasının yüklü parçacıklar içinden geçişi ... : Değişken ortamlarda kırılmanın yapısı ... : Faz hızındaki değişim ve Snell yasası ... : Eğime bağlı olarak farklı yüksekliklerden yansıyan dalgalar... : Dalganın frekansının yansıdığı yükseklik ile değişimi ... : Yer istasyonundan yapılan ölçümlerde incelenen bölge ... : Uydudan yapılan ölçümlerde incelenen bölge ... : 25 Ocak 1972 tarihine ait gözlemlenmiş tipik bir trough örneği.. : Manyetik ve coğrafi enlem arasındaki kayıklığın gösterimi... : MP‟ nin belirlenmesinde çelişki durumu ... : Çukur (trough) bölgenin hareketi sonucunda oluşan değişim ... : Çukur bölgenin genişlik ve derinlik kavramlarının gösterimi ... : Çukur bölgenin Kp ile değişimi ... : Kp indeksinin 3‟ er saatlik zaman aralığındaki değişimi ... : Ekim 2002 – Aralık 2002 arasındaki Ap indeksi ... : Manyetosfer tabakası ve Güneş‟ in etkisiyle oluşan akımlar ... : Kasım 2002 tarihine ait örnek bir Dst indeksi değişim grafiği .... : Ne ve Te değerlerinin manyetik enleme göre değişimleri ... : Sınıfların komşuluk ilişkisi ve lineer karar sınıfı ile ayrılmaları .. : Üç katmanlı tam birleştirilmiş yapay sinir ağı ... : Saat bilgisinin kodlandırılması ... : Geliştirilen yapay sinir ağı modelinin şematik olarak gösterimi .. : Genel durum için mutlak hatanın veriler üzerindeki değişimi ... : Tahmin edilen ve gözlemlenen değerler arasındaki korelasyon... : 1981 Haziran ayına ait tahmin başarısı... : 11 Haziran 1981 tarihinde gün boyunca yapılan tahmin... : Uydunun izlediği yörüngenin enlem ile değişimi ... : Mutlak hatanın tüm veriler üzerindeki değişimi ... : Tahmin edilen ve gözlemlenen değerler arasındaki korelasyon... : Kritik frekans değerinin manyetik enlem ile değişim tahmini...

4 5 6 8 9 10 12 14 16 19 19 20 21 22 23 23 25 26 28 29 30 30 33 35 44 44 51 52 53 53 54 58 59 60

SEMBOL LĠSTESĠ

p

w

w

kritik

w





c : Işık hızı



v : Dalganın evre hızı

n : Sayısal elektron yoğunluğu

e : Elektron yükü

m : Elektronun kütlesi

Kp : Manyetik etkinlik indeksi Ap : Aurora etkinlik indeksi

H : Manyetik fırtına değeri (yeryüzüne parallel bileşen) L : Mc‟Ilwain değeri Ne : Elektron yoğunluğu Te : Elektron sıcaklığı  : Manyetik enlem 2 F

f_o : İyonosfer kritik frekansı

2 F

N_m : İyonosfer kritik elektron yoğunluğu R : Korelasyon katsayısı

YAPAY SĠNĠR AĞI MODELĠ ĠLE ĠYONOSFERĠK KRĠTĠK FREKANS TAHMĠNĠ

ÖZET

Günümüz teknolojisinin en önemli özelliklerinden biri haberleşme sistemleri yardımıyla bilgi akışını kaliteli ve hızlı bir şekilde gerçekleştirerek insanlara bilgiye erişmede ve birbirleriyle haberleşmelerinde büyük kolaylık sağlamasıdır. Bu sistemlerin büyük bir bölümü yüksek frekansta (HF) yayın yapmaktadır (3-30 MHz). Özellikle Güneş‟te meydana gelen aktiviteler iyonosfer dinamikleri üzerinde çok etkili olmaktadır. Bu da iyonosferdeki yansıtma mekanizmasını etkileyerek iyonosfer kritik frekans değerinin değişmesine neden olmaktadır. Dolayısıyla yüksek frekanslı yayınlar bundan doğrudan etkilenmektedir. Yapılan iki farklı çalışmada, iyonosfer dinamiklerinin değişken yapısından dolayı kaynaklanan iyonosfer kritik frekansındaki ( f_oF2) değişimler yerel

zaman sürecine ve enleme bağlı olarak (bölgesel) incelenmiştir. Bu incelemelerde, iki çalışma için geliştirilen iki farklı yapay sinir ağı modelinin iyonosfer kritik frekansını en doğru şekilde bulabilmesi hedeflenmiştir ve bu doğrultuda geliştirilen modeller üzerinde değişikler yapılarak en uygun modelin belirlenmesi sağlamıştır.

Yapılan ilk çalışmada, Moskova yer istasyonundan 79-81 yılları arasında elde edilen veriler kullanılarak bir saat sonraki yerel zaman için iyonosfer kritik frekansı doğru tahmin edilmeye çalışılmıştır. Manyetik aktivitenin yüksek olduğu durumlarda ortaya çıkan elektron yoğunluğu çukuru (trough) karakteristiği göz önünde bulundurularak modelleme yapılmıştır. Veriler yıllara göre üç farklı veri setine ayrılarak düzenlenmiştirÇalışmada genel durum, DTD durumu (gün süreci fırtınası), NTQ (gece

süreci sakinliği) durumu ve DTD ve NTQ durumlarının beraber yer aldığı dört farklı durum incelenmiştir. Oluşturulan yapay sinir ağı modelinin başarımını bu durumlar için sınama veri seti kullanılarak gerçek değerler ile tahmin edilen değerler arasındaki hataların hesaplanmasıyla ölçülmüştür.

Yapılan ikinci çalışmada, 79-81 yıllarına ait uydu verisi kullanılmıştır. Buradaki amaç sabit bir yerel zamanda değişik enlemlerde yer alan bölgelerin iyonosfer kritik frekansının en doğru şekilde tahmin edilebilmesidir. Bu çalışma, manyetik etkinlik göstergesi olan 3‟lü Kp değerinin yüksek olduğu zamanlarda belirginleşen elektron yoğunluğu çukuru (trough) karakteristiğini doğru tahmin eden bir model oluşturmayı hedeflemektedir. Elektron yoğunluğu çukuru (trough) karakteristiği enleme de bağlı bir özellik olduğundan bölgesel olarak yapılan bu çalışma elektron yoğunluğu çukuru (trough) bölgesinin doğru modellenebilmesi açısından büyük önem taşımaktadır.

İki farklı çalışmada oluşturulan yapay sinir ağı modelleri önce bir eğitim aşamasından geçmektedir. Bu eğitim sürecinde hatanın her adımda azaltılması amacı ile katmanlardaki ağırlık vektörleri genel anlamda doğruluğu yakalamak üzere iyileştirilmektedir. Veri setlerinin modelin girişine uygun hale getirilmesi, öğrenme süreci ve sınama süreçleri MATLAB programı kullanılarak yapılmıştır. Öğrenme süreci Levenberg-Marquardt Backpropagation algoritması kullanılarak gerçekleştirilmiştir. Her iki modelin vermiş olduğu sonuçlar bu konuda yapılacak diğer çalışmalara ışık tutacaktır. Özellikle bu modellerin geliştirilmesi ile haberleşme sistemleri alanında büyük kolaylık sağlanacağı açıktır. Yer istasyonlarından yapılan ölçümler ile her saat ölçülen iyonosfer kritik frekans değeri, geliştirilen bu modeller ile daha önceden tahmin edilebilecektir. Manyetik etkinliğin boyutuna göre iyonosfer dinamiklerindeki değişikliklerin kritik frekans değeri üzerinde ne biçimde bir etki yaratacağının bilinmesi yüksek frekanslı yayınların daha nitelikli bir biçimde şekilde yapılmasına olanak sağlayacaktır.

PREDICTION OF THE IONOSPHERIC CRITICAL FREQUENCY BY USING A NEURAL NETWORK MODEL

SUMMARY

In today‟ s technology one of the most important characteristic property of the communication systems is the making life easier by helping people to get the latest information in a sense of quality and speed. Most of these systems use high frequencies (HF) in order to broadcast (3-30 MHz). Especially, the magnetic activities at Sun have huge effects on the ionospheric dynamics in a bad sense. This results in the influence of the reflection mechanism in the ionosphere by changing the ionospheric critical frequency. Due to this HF communications are directly affected.

In two different studies, ionospheric critical frequency ( f_oF2) changes due to the unstable characteristics of the ionosphere dynamics have been concerned dependent on the local time (LT) and the latitude (regional study). In these studies the aim is to forecast or predict (depends on the study) the ionospheric critical frequency by the developed neural network model and augment the model by making changes in order to find the best one which performs least error.

In the first study, data set of Moscow station betwen the years 79-81 have been used to forecast the ionospheric critical frequeny value for the next hour. The model has been developed by taking the “trough” characteristic into the account. “Trogh” is the sudden changes in the density of the electrons caused by magnetic activities. Three different data sets have been organized. Also four different situations have been studied which are general case, DTD (day time disturbed) case, NTQ (night time quiet case) and both DTD

tested with the test data set by using the errors between real values and forecasted values.

In the second study, satellite data between the years 79-81 have been used. The aim here is to predict the ciritical frequency value of the ionosphere in a most correct sense with a fixed local time and latitude dependency. Also this study tries to define the “trough” characteristic which is clearly seen mostly in high Kp (magnetic activity index) indices. Trough characteristic is a property mainly dealed with latitude so this regional study will be very important in order to model the “trough” in a correct way.

First of all, the developed neural network models in these studies have been trained. In this training period, in every step in order to decrease the error the weight vectors of the model were modified. All the process including, organizing the data sets compatible for neural network input, training the NN and testing the performance of NN have been done by using MATLAB sofware. Levenberg-Marquardt Backpropagation algorithm has been used in the training section.

Results for the both models will be very helpful in the future studies on this area. Especially, it is obvious that with the augmentation of these models there will be much more easiness in the area of communication systems. Ionospheric critical frequency value will be forecasted rather than measuring from the ionosonde stations. By forecasting the effect of the changes in the ionosphere dynamics to the ionospheric critical frequency will lead to a high quality HF broadcasts.

1. GĠRĠġ

Burada yapılan iki farklı çalışmanın amacını genel olarak dış etkenlerden dolayı iyonosfer dinamiklerinde meydana gelen değişikliklerin doğrudan haberleşme sistemleri üzerindeki etkisini önceden tahmin etmek olarak açıklayabiliriz. Yüksek frekansta (3-30 Mhz) yayın yapan sistemleri kullanan kullanıcıların değişen iyonosfer kritik frekansından haberdar olmaları gerekmektedir. İyonosfer kritik frekansı olarak bahsettiğimiz kavram Dünya yüzeyinden gönderilen bir dalganın frekansının iyonosferden yansıtabilecek en büyük değeridir. Bu değer özellikle şiddetli manyetik fırtınalar da çok kararsız bir yapı sergilemektedir. Bunun nedeni iyonosfer katmanındaki elektron yoğunluklarındaki ani düşüşlerdir. Yüksek frekansta (HF) yayın yapan kullanıcıların bunu bilmesindeki en büyük gereksinim gönderdikleri dalganın geri yansımaması (uzay boşluğuna kaçması) veya absorbe edilerek yok olabilmesi durumudur. Bu iki farklı durum gönderilen dalganın frekansının kritik frekans değerinden yüksek olması ya da frekansının düşük olması ile gerçekleşebilir. Bundan dolayı kullanıcı kullanacağı frekans aralığını iyi seçmelidir.

Elektron yoğunluğu çukuru olarak bahsettiğimiz karakteristik manyetik aktivitenin yüksek olduğu durumlarda belirgin bir hal alır. Sabit yerel zaman için elektron yoğunluğunun enleme göre değişimine bakılacak olursa bu düşüş grafiklerde çukur bir bölge oluşturur. Elektron yoğunluğu kritik frekans ile doğru orantılı olduğundan iyonosfer kritik frekansında da böyle durumlarda büyük düşüşler görülür. Belirli bir konum için yerel zamanın değiştiğini düşünürsek elektron yoğunluğu çukurunun zaman içindeki hareketinden dolayı yine kritik frekans değerinde kayda değer değişiklikler olacaktır. Bu durumdan yola çıkarak şimdilik elektron yoğunluğu çukurunun karakteristiğinin enleme ve yerel zamana bağlı olduğunu söyleyebiliriz. İlerleyen bölümlerde diğer değişkenlerden bahsedilecektir.Yapılan ilk çalışmada Moskova istasyonundan alınmış olan 79-81 yılları arasına ait veriler kullanılmıştır. Burada amaç

enlemlerde yer alan bölgelerdeki kritik frekans verilerini tahmin etmeyi amaçlamaktadır. Bu çalışmada yine aynı yıllara ait veriler kullanılmasına rağmen veriler uydudan elde edilmiş olan verilerdir. Bunun nedeni aynı boylam üzerinde değişik enlemlere göre veriye ihtiyaç olmasıdır. Enleme bağlı yapılan bu çalışmanın sonucunda değişik elektron yoğunluğu çukuru oluşumlarını grafiklerden net bir şekilde görmek mümkün olacaktır. Bu konuda daha önce yapılan çalışmalara bakacak olursak 2001 yılında Prof Dr. Yurdanur Tulunay‟ ın öncülüğünde yapay sinir ağı kullanarak geliştirilen elektron yoğunluğu çukuru modellemesi oldukça başarılı sonuçlar vermiştir [1]. Slough ve Uppsala yer istasyonlarından alınan verilerle gerçekleştirilen çalışmada bir saat sonraki kritik freakans değeri çok düşük hatalarla tahmin edilebilmiştir.

Bunun yanısıra 1997 ve 1999 yıllarında yapılan çalışmalar modellemelerin geliştirilerek daha başarılı sonuçlar vermesinde etkili olmuştur. Bu çalışmalarda da bölgesel ve zamana bağlı kritik frekans tahmini yapılmış olup elektron yoğunluğu çukuru etkisi göz önünde bulundurulmamıştır [2,3].

Ayrıca bu karakteristiğinin anlaşılması açısından 2002 yılında yapılan Prof Dr. Karpachev‟ in uydu verileri kullanarak yaptığı incelemeler ve değerlendirmeler oldukça fayda sağlamıştır [4].

2. ĠYONOSFER TABAKASI VE RADYO DALGALARI

Yeryüzünden gönderdiğimiz radyo dalgalarını geri yansıtabilecek seviyede yüklü parçacık bulunduran bölgeye iyonosfer tabakası diyoruz. İyonosfer katmanında pozitif ve negatif yüklü iyonlar, elektronlar ve nötr atomlar bulunmaktadır. Yeryüzünden yaklaşık 75 km yükseklikten başlayan bu katman, 250 km yükseklikte maksimum elektron yoğunluğuna ulaşır. Katmanın üst sınırı gece 500 km‟ ye kadar düşerken gün ışığında bu sınır 1100 km‟ ye kadar ulaşmaktadır.

2.1. Ġyonosfer Katmanın Yapısı

İyonosfer katmanı kendi içinde 4 alt katmana bölünerek incelenmektedir. Bu alt katmanlar içerdikleri iyon ve elektron yoğunluklarına göre sınıflandırılmaktadır.

2.1.1 D Katmanı

Bu katman yeryüzünden 75 km yükseklikte başlayarak 95 km‟ ye kadar uzanmaktadır. En zayıf iyonizasyon bu bölgede gerçekleşmektedir. Yerçekiminin etkisiyle, kütlesi daha büyük olan iyonlar bu bölgede daha yoğun bulunmaktadır (iyonların kütlesi elektronların kütlesinin yaklaşık 2000 katı kadardır). Bu nedenle, yüksek frekanslı (HF) radyo dalgalarının büyük bir bölümü bu katmanda absorbe edilir.

2.1.2 E Katmanı

Bu katman 95 km yükseklikten başlayarak 150 km yüksekliğe kadar uzanır. Bu sınır değerler gündüz süresinde yapılan ölçülendirmenin sonucunda elde edilmiştir. Bu katmanın üst sınırına doğru çok değişken yapıda ince bir tabaka bulunmaktadır. E katmanında O₂  iyonları yoğun olarak bulunmaktadır. Bu ortam atmosferin yoğunluğu en yüksek bölgesini teşkil etmektedir. Gündüz sürecinde, güneş enerjisi ile nötr atomlar iyonize olur. Gece bu iyonlar tekrar birleşme sonucunda nötr atomları oluştururlar.

Şekil 2.1 Elektron yoğunluğunun yükseklik ile değişimi [5] 2.1.3 F1 Katmanı

F katmanın kendi içinde ayrılması sonucunda alt bölgesi F1 olarak adlandırılmıştır. Bu bölge 150 km‟ den başlayarak 225 km‟ ye kadar uzanır. NO+ iyonları yoğunlukta bulunmaktadır.

2.1.4 F2 Katmanı

Bu katman, yüksek frekanslı radyo dalgalarının yansıtılmasında en önemli role sahiptir. Yaklaşık 250 km civarında yer almaktadır. O+ iyonları yoğunluktadır. Elektron yoğunluğunun en fazla olduğu bölgedir. Bu nedenle radyo dalgalarının geri yansıtılabileceği en üst seviyedir. Yaklaşık 320 km den sonra elektron yoğunluğu azalmaya başlar. Üst bölgelerde He+ ve H+ iyonları ile karşılaşılır.

2.2 Ġyonosfer Katmanında GerçekleĢen Olaylar

Bu bölümde Güneş enerjisinin etksiyle iyonosfer tabakasında ne gibi etkileşimler olduğunu göreceğiz.

Şekil 2.2‟ den de görüldüğü gibi Güneş‟ ten gelen fotonlar iyonosfer tabakasında bulunan nötr atomlara çarparak onlardan elektron koparıyor ve pozitif yüklü iyonların oluşmasına neden oluyor. Bu oluşuma iyonlaşma diyoruz. İyonlaşma, iyonosfer tabakasının güneş ışığının etkisi altına girdiği zamanlarda (gün süreci) gerçekleşmektedir. Bu nedenle gün boyunca fotonların etkisinden dolayı elektron yoğunluğu geceye göre daha fazladır.

Boşta kalan elektronlar pozitif yüklü iyonlar ile birleşip tekrar nötr atomları meydana getirebileceği gibi nötr atomlarla da birleşip negatif yüklü iyonları oluşturabilirler. Bunlar şekilden de görülebileceği gibi sırasıyla tekrar birleşme ve eklenme adlarını almaktadır.

Şekil 2.2 Hafif elektronların ve ağır iyonların üretimi ve kaybı [5]. + foton iyonlaşma e - + e - e - tekrar birleşme - eklenme nötr atomlar hafif elektronlar + - ağır iyonlar

Daha önce de bahsettiğimiz gibi elektronların kütlesinin iyonların kütlesinin yaklaşık 1/2000‟ i kadar oluşu radyo dalgalarını geri yansıtma mekanizmasında iyonlara göre daha fazla rol oynamalarını sağlamaktadır. Bunun nedeni radyo dalgaları ile çarpışan elektronların iyonlara göre daha kolay salınıma girebilmeleridir (İlerki bölümde daha detaylı olarak anlatılacaktır).

2.2.1 Yutulma Süreci (Absorbsiyon)

Radyo dalgaları, iyonosfer tabakası içinde ilerlerken yüklü parçacıklarla çarpışıp enerjilerinin bir kısmını yitirmektedirler. Biz bu süreci, yutulma süreci veya absorbsiyon olarak adlandırıyoruz.

EM

elektron nötr atom

dalgacık

Şekil 2.3‟ de herhangi bir elektromanyetik dalganın iyonosfer içinde ok ile gösterilen doğrultuda ilerlemekte olduğu şematik olarak temsil edilmektedir. Ok yönünde ilerleyen ana dalga elektronlar ile çarpışıp onları salınıma sokmakta ve küçük dalgacıklar yayınlamalarına sebep olmaktadır. Çarpışma sonucunda salınıma giren ve çeşitli yönlere sıçrayan elektronlar ortamdaki ağır olan nötr atomlar veya iyonlar ile çarpışarak regüler salınımlarını kaybedeceklerdir. Böylece enerji diğer parçacıklara dağılarak yutulmuş olacaktır.

Yutulma sürecinin gerçekleştiği kısım genellikle iyonosfer tabaksının D katmanıdır. Bunun nedeni, yerçekiminin etkisinden dolayı kütlesi fazla olan parçacıkların bu bölgede toplanması ve bu ağır parçacıkların yutulma sürecinde büyük rol oynamasıdır. 2.2.2 Sönümlenme

Radyo dalgaları vericiden alıcıya değişik yollar izleyerek gelebilmektedir. Değişik yollar üzerinden alıcıya gelen radyo dalgaları kısmen veya tamamen birbirlerini yok edebilmektedir. Biz bu olaya sönümlenme diyoruz. Eğer gelen dalganın aldığı yol gönderilen dalganın dalgaboyunun yarısının tam katı ise tam sönümlenme gerçekleşebilir.

Şekil 2.4‟ e bakacak olursak gönderilen radyo dalgasının iki ana modda yayıldığını görüyoruz. Bunlar yer dalgası ve gök dalgası dır. Yer dalgası 200 km‟ lik haberleşmelerde kullanılır. 1920‟ lerde gönderilen radyo dalgasının sadece yer dalgası şeklinde yayıldığı düşünülüyordu. Yapılan bilimsel çalışmalar neticesinde gönderilen dalgaların 200 km‟ lik bir alan içersinde sönümlendiğini ya da tamamen yok olduğunu gözlemlemişlerdir. Buradan yola çıkarak dalganın aslında her doğrultuda yayıldığını ve iyonosferden yansıyan dalganın alıcıya gelirken yer dalgası ile süperpozisyonundan dolayı sönümlendiğini bulmuşlardır.

Dalgaların iyonosferden yansımasının bulunması sayesinde gök dalgasının iyonosfere daha eğimli çarptırılarak okyanus aşırı haberleşmeyi sağlayabilecekleri fikri bilimadamlarını bu konuda daha derin bir araştırmaya yönlendirmiştir. Bunu yanısıra gece yapılan deneylerde dik konuma yakın gönderilen bir radyo dalgasının dahi iyonosferden geri yansıyabileceği tespit edilmiştir. Bu yapılan buluşların hepsi bilim

adamlarının radyo dalgalarının yansıma mekanizmasıyla ilgili temel bilgileri kazanılmasında önemli rol oynamıştır [5].

iyonosfer

Gök dalgası

Yer dalgası

Alıcı Verici

Şekil 2.4 Gök ve yer dalgasının üst üste gelmesinde dolayı sönümlenme [5]. 2.3 Radyo Dalgalarının Yansıma Mekanizması

Öncelikle bir radyo dalgasının vericiden gönderildikten sonra iyonosfer katmanınında yüklü parçacıklar içinden geçerken olayların ne şekilde geliştiğine yakından bakalım. Şekil 2.5‟ te bunu açıklayıcı bir biçimde görmekteyiz.

Şekil 2.5 Radyo dalgasının yüklü parçacıklar içinden geçişi [5].

Kalın siyah çizgilerle gösterilen yön ana dalganın ilerlediği doğrultudur. Ana dalga bu doğrultuda ilerlerken yüklü parçacıklarla (çoğunlukla elektron) çarpışmakta ve elektronları salınıma sokarak küçük siyah oklarla gösterilen doğrultuda dalgacık yayınlamalarına sebep olmaktadır. Şimdi A doğrultusunu göz önüne alalım. Ana dalga ile dalgacıkların aldığı yolların toplamları birbirinden farklı olacağından istenilen noktaya farklı zamanlarda ulaşacaklardır. Bu yüzden bu A doğrultusundaki dalga zayıf olacaktır. B yönünü incelediğimizde ise dalgacıklar ile ana dalga aynı yönde olacağından toplam yollar eşit olacak ve bu doğrultuda dalga güçlü olacaktır.

Şimdi fizik bilgilerimizi hatırlayarak kırılmanın nasıl gerçekleştiğine bakalım. Herhangi bir dalga kırılma indeksi fazla olan bölgeden kırılma indeksi az olan bölgeye geçerken normal doğrultdan uzaklaşacak şekilde kırılmaya uğrar. Daha önceki bölümden elektron yoğunluğunu yükseklikle birlikte arttığını biliyoruz. Elektron yoğunluğu arttıkça ortamın elektriksel geçirgenliği azalmaktadır. Bu da kırılma indeksinin azaldığı anlamına gelmektedir. Bunu formüllere bağlı olarak aşağıdaki şekilde açıklıyoruz.

A

Elektron yoğunluğu fazla Kırılma indeksi küçük

Elektron yoğunluğu az Kırılma indeksi büyük

Şekil 2.6 Değişken ortamlarda kırılmanın yapısı

2 2

1

w

w







w

w



Ortamın doğal frekansı elektron yoğuluğunun artması ile beraber artacaktır. Bu bilgiyi formül üzerine taşıyacak olursak, kesir oranı yükseklik ile artacağından, ortamın elektriksel geçirgenliği yükseklik ile azalacaktır. Boşlukta elektron bulunmayacağı ya da ihmal edilecek kadar az olduğu düşünülürse ortamın elektriksel geçirgenliği yaklaşık 1‟e eşit olur.

Bir diğer formülü de göz önüne alacak olursak:









Kırılma indeksi ortamın elektriksel geçirgenliği ile doğru orantılı olduğundan, kırılma indeksi de yükseklik ile beraber azalacaktır.

Sonuç olarak elektron yoğunluğu fazla olan bölgede kırılma indeksi küçük olacağından gelen dalga iyonosfer tabakasında ilerlerken sürekli olarak kırılmaya uğrayacaktır. Dalga ortam içinde evre hızı ile ilerler. Evre hızı ışık hızının ortamın kırılma indeksi değerine bölünmesi ile elde edilir. Bu aşağıda belirtilmiştir :



c

v



c

Dalga evre hızının tam olarak hangi değişkenlere bağlı olduğunu görmek için formülde kırılma indeksinin elektriksel geçirgenliğe bağlı olan ifadesini yazalım. Böylece formülü aşağıdaki şekilde elde etmiş oluyoruz.

2 2 1 w w c v p    (2.4)

Yüksekliğin artmasıyla beraber kök içindeki ifadenin değerinin, yani kırılma indeksinin azalacağından bahsetmiştik. Formülden dalganın evre hızının kırılma indeksi ile ters orantılı olduğunu görüyoruz. Bu durumda yükseklik arttıkça dalganın evre hızı da artacaktır.

Şimdi bu çıkardığımız matematiksel ifadeleri fiziksel olaylar üzerine taşıyarak dalganın kırılma mekanizmasını daha iyi anlamaya çalışalım.

verici alıcı Şekil 2.7 Faz hızındaki değişim ve Snell yasası.

Şekilden de görüldüğü üzere dalgayı normal ile i açısı yapacakmış şekilde gönderdiğimizi farzedelim. Bu durumda dalganın sol üst kısmı sağ alt köşeye göre daha ileride gidecektir. Dalga iyonosfer tabakasına ulaştığında sol üst köşe alt köşeye göre iyonosfer tabaksının daha yüksek bölgesinde yer alacaktır. Bu da sol üst kısmın dalga evre hızının alt kısma göre biraz daha fazla olacağı anlamına gelmektedir. Dalganın üst ve alt kısmında oluşacak hız farkı dalgayı döndürmeye çalışacaktır. Döndürme etkisinde kalan dalga sürekli olarak kırılmaya uğrayacak ve belli bir yüksekliğe ulaştığında dalga tam olarak geri yansıyacaktır.

Şekil üzerinde n(h) ile ifade edilen değer sayısal elektron yoğunluğu olup yükseklik ile artmaktadır. Sayısal elektron yoğunluğunun ortamın doğal frekansı ile olan ilişkisini de aşağıdaki formülde görebilmekteyiz.

m

ne

w

4





iyonosfer

i

alıcı



Yer

n

(h)

h

r

n : sayısal elektron yoğunluğu e : elektronun yükü

m : elektronun kütlesi

Daha önce ortamın doğal frekansının yükseklikle beraber arttığından bahsetmiştik. Böylece bunu daha açıklayıcı şekilde göstermiş bulunuyoruz.

Şimdi de yine şekil üzerinde temsil edilen dalganın normalle yaptığı geliş açısı (i) ve kırılma açısı olan (r) yi kullanarak kırılma prensibi için geçerli olan Snell yasasını yazalım. Burada r yansımanın gerçekleştiği bölgedeki kırılma indeksi, i dalganın

gönderildiği bölgedeki kırılma indeksini temsil etmektedir.

) ( ) (r Sin i Sin _i r    (2.6)

Hatırlayacağımız gibi





Dalgayı yer seviyesinden gönderdiğimizden



) ( ) (r Sin i Sin r   olur.

Şimdi formülün bu son şeklini kullanarak bizim çalışmalarımızda kullanacağımız kritik frekans ( f_oF₂) değerinin ne anlama geldiğini ve bunun nasıl hesaplandığını görelim.

Öncelikle buraya kadar olan bilgilerden şu sonuca varabilmekteyiz. Gönderdiğimiz radyo dalgasının gönderiliş açısını düşünürsek yani daha az eğimle gönderirsek, iyonosfer tabakası içinde ilerlerken oluşacak hız farkını da azaltmış olacağız. Bu hız farkının yeterli seviyeye ulaşıp yansımanın gerçekleşebilmesi için dalga daha fazla elektron yoğunluğuna ihtiyaç duyacaktır. Bu da dalganın iyonosferin daha üst bölgesinden yansıtılması anlamına geliyor. (Şekil 2.8)

Şekil 2.8 Eğime bağlı olarak farklı yüksekliklerden yansıyan dalgalar [5]. Gönderdiğimiz açının küçülmesi ile yansıtılan yüksekliğin artması arasındaki ilişkiyi kullanarak bir sınır değer hesabı yapabilmekteyiz. Bildiğimiz gibi yükseklik ortamın doğal frekansı ile doğru orantılıydı. Bu takdirde ortamın doğal frekansının açıyla olan ilişkisini kullanarak bir sınır değer frekansı elde edebiliriz. Şimdi üstte elde ettiğimiz formül üzerinde yoğunlaşarak kritik frekans değerinin nasıl hesaplandığına bakalım.

Formülü _rSinr  Sini seviyesine indirgemiştik.

Şimdi dalgayı tam olarak dik konumda gönderdiğimizi varsayalım. Bu sayede dalganın yansıyabileceği maksimum yükseklik dolayısıyla da maksimum doğal frekans hakkında bir bağıntı elde etmeye çalışalım.

Dalgayı tam dik konumda gönderdiğimizde i=0 olmaktadır. Bunu formülde yerine taşırsak ;

Sinr

r

 = 0 olacaktır.

Kırılma açısı tam yansımada  / 2 olmaktadır. r = 2  aldığımızda 2  Sin = 1 olur.

Çarpım değerinin 0‟a eşit olması için r ‟ nin 0 olması gerekmektedir. (Teorik olarak

dalganın evre hızının sonsuza ulaşması anlamına geliyor).

r  = 0 1 2 0 2   w w_p 2 2 w w_p  Kritik frekans

Buradan elde edilen değer kritik frekans değeridir.

kritik

w

w



p

w

w



p

w

w



Bu takdirde kritik frekans değerinin hesaplanmasıyla ilgili mantığı anlamış olduk. Kritik frekans değerlerinin ölçüldüğü istasyonlara iyonosonda istasyonları denmektedir. Bu istasyonlarda her saat için kritik frekans ölçümleri yapılmaktadır. 1950 den bu yana her günün her saatindeki kritik frekans verilerine ulaşmak mümkündür.

Kritik frekans değerini bulmak için dalga verici tarafından dik konumda (i = 0) iyonosfer tabakasına gönderilir. Gönderilen bu dalga alıcı tarafından geri alındığı takdirde, dalganın frekansı biraz daha arttırılarak tekrar gönderilir. Dalga alıcıdan geri alındığı sürece bu işlem ard arda devam ettirilir. Dalganın geri alınmadığı frekans değeri bulunur. Bu takdirde iyonosfer tabakasının bu frekanstaki dalgayı (işareti) geçirdiği

anlaşılır. Bu frekans değerinden bir önceki frekans değeri (geri elde edilmiş son frekans değeri) kritik frekans değeri olarak belirlenir.

Gönderdiğimiz dalganın hızını biliyorsak ve dalganın vericiden çıkıp alıcıya ulaşması arasında geçen süreyi de biliyorsak dalganın aldığı yolu dolayısıyla ne kadar yüksekten geri yansıtılmış olabileceğini hesaplayabiliriz. İyonosfer tabakası içinde dalganın evre hızı farklılıklar göstereceğinden tam değil de yaklaşık bir tahmin yapabiliriz. 1950‟ lerden önce yapılan çalışmalar sırasında ilk önce E katmanı keşfedilmişti ve sadece tek katman olarak bu katman olduğu düşünülüyordu. Yaklaşık olarak da bu katmanın hangi yükseklikler arasında olduğu belirlenmişti. Bu çalışmalar sırasında yere dik doğrultuda ve sürekli frekansı arttırılak gönderilen radyo dalgalarının tahmin edilen bu maksimum yükseklikten sonra geri yansıtılmayacağı ve uzaya kaçacağı tahmin ediliyordu. Oysa tahmin edilen olmadı ve frekansı yüksek olan ve uzaya kaçması gereken radyo dalgaları alıcı tarafından geri alındı. Bu da E katmanının üstünde başka bir katman bulunduğu anlamına gelmekteydi. Buna F katmanı adı verildi. Bu katman da kendi içinde değişen elektron yoğunluğu dağılımına göre gösterdiği farklı karakteristikler neticesinde F1 ve F2 olarak bölümlere ayrılmıştır.

Aşağıdaki grafikte frekansın yükseklik ile değişimi gösterilmiştir (Şekil 2.9).

Bu kısma kadar kritik frekansın iyonosferden geri yansıtılabilecek en büyük frekans değeri olduğunu öğrendik. Bu kritik frekans değeri, iyonosferdeki yüklü parçacık ve elektron yoğunluklarının özellikle Güneş‟in önemli etkisi nedeniyle değişime uğramaları sonucunda, zamana göre sürekli değişiklik göstermektedir (Güneş‟ te meydana gelen patlamalar ve bu tip solar etkinlikler iyonosferdeki plazma yoğunluklarını önemli ölçüde etkilemektedir). Bu değerin bilinmesi haberleşme açısından çok önemlidir. Daha önce de belirtildiği gibi burada yapılacak çalışma kritik frekansı gün içinde belli zaman aralıklarında, yapay sinir ağı kullanarak tahmin etmeyi amaçlamaktadır.

3.

ELEKTRON YOĞUNLUĞU ÇUKURU (TROUGH) BÖLGESĠ

Elektron yoğunluğu çukuru bölgesi (trough region) olarak adlandırılan karakteristik, iyonosfer tabakasının davranışını incelerken göz önünde bulundurulması gereken en önemli faktördür. İyonosfer bölgesinde yansımanın gerçekleştiği F2 katmanının elektron yoğunluğu enleme göre sabite yakın bir konumda seyrederken ani bir şekilde azalması sonucunda ortaya çıkan değişimi elektron yoğunluğu çukuru olarak adlandırmaktayız. Bunun nedeni, bu değişimin gerçekleştiği bölgenin grafik üzerinde çukur bir bölgeye (minimuma) karşı gelmesi ve bir dalgalanmaya sebep olmasıdır. Bu konu ilk olarak 1970‟li yılların başında gündeme gelmiş olup özellikle son yıllarda büyük bir ilgi kazanmıştır.

Yüksek frekanslı (HF) haberleşmelerde özellikle orta enlemlerde (midlatitude) yer alan iyonosferik bölgede elektron yoğunluğundaki bu ani düşüşler doğrudan iyonosferik kritik frekansını ( f_oF2) etkilemektedir. Kritik frekans değerinde meydana gelen bu

keskin değişimler ise yüksek frekanslı haberleşmeler üzerinde olumsuz etkiye sahiptir. Bu nedenle bu değişimlerin önceden tahmin edilmesi HF haberleşmelerinin daha doğru ve nitelikli bir şekilde gerçekleştirilmesi açısından büyük önem taşımaktadır. Bu doğrultuda yapılacak çalışma, orta enlem seviyelerinde ( 0 0

75

40  ) elektron yoğunluğunda meydana gelecek bu ani inişlerin iyonosfer kritik frekansı üzerindeki etkisini yapay sinir ağları yöntemi ile mümkün olduğunca doğru bir şekilde tahmin etmeyi amaçlamaktadır.

Elektron yoğunluğu çukuru bölgesinin belirlenmesinde, yerel saat, enlem ve boylama göre elektron yoğunluğu (Ne) ve iyonosferik kritik frekans ( foF2) değişimlerinin

incelenmesi için yaklaşık 1950‟li yıllardan bu yana kurulmuş olan iyonosonda (yer) istasyonlarından toplanan veriler büyük önem taşımaktaydı.. Uydu teknolojilerinin gelişmesiyle birlikte uydudan gönderilen sinyaller ile yapılan ölçümler de bu konuda

elektron yoğunluğunun enlem ile değişimi hakkında daha doğru bir yaklaşım gerçekleştirebilmekteyiz.

Aşağıdaki şekillerde f_oF2 değerinin yerdeki iyonosonda istasyonlarından ve uydulardan elde edilmesi durumlarında incelenen farklı bölgeleri görmekteyiz.

h

f

F

2

N

:

Şekil 3.1 Yer istasyonundan yapılan ölçümlerde incelenen bölge

h

2

F

N

N

Elektron yoğunluğu ve kritik frekans birbirleriyle doğru orantılı olup aralarında şöyle bir bağıntı vardır. 2 4

)

2

(

*

10

2

f

F

F

N



Şimdi çukur bölgesi olarak bahsettiğimiz bölgeyi daha detaylı olarak tanımlayalım. 3.1 Elektron Yoğunluğu Çukuru (Trough) OluĢumu ve Tanımlanması

Güneş‟te meydana gelen etkinlikler neticesinde Dünya‟nın manyetik alanı bundan etkilenmektedir. Manyetik dinamiklerde oluşan bu etkilenme iyonosferdeki elektron yoğunluğu üzerinde büyük ve ani değişimlere sebep olabilmektedir. Bu olayın gerçekleştiği bir zaman diliminde elektron yoğunluğunun manyetik enleme göre değişimi aşağıdaki grafikte gösterilmiştir (şekil 3.3) [1].

1.E + 05 LLP ED /cc MP 1.E + 04 Inv. Lat 35 45 55 65 75 85 GLAT 33.1 62.5 81.0 GLON 36.3 29.3 353.8

Şekilde belirtilmiş olan ED/cc birim santimetreküpteki elektron yoğunluğunu ifade etmektedir. Diğer birimler ise şöyledir :

Inv. Lat (Invariant magnetic latitude) : Değişmeyen manyetik enlemi ifade etmektedir. Birimi derecedir.

GLAT (Geographic latitude) : Coğrafi enlem. Birimi derecedir.

Manyetik enlem coğrafi enlemden farklıdır. Bunun nedeni manyetik enlem hesaplanırken referans olarak Dünya‟nın kendi ekseni etrafındaki dönüş ekseni yerine Dünya‟ nın manyetik kutbunun baz alınmasıdır. Bilindiği gibi Dünya‟nın dönüş ekseni manyetik kutuptan yaklaşık olarak 22 derece kayıktır. Bu da coğrafi enlem ile manyetik enlem arasında farklılık oluşmasına neden olmakadır.

0 22  Manyetik eksen Dönüş ekseni

Şekil 3.4 Manyetik ve coğrafi enlem arasındaki kayıklığın şematik olarak gösterimi. GLON (Geographic Longitude) : Coğrafi boylam. Birimi derecedir.

0.1‟ den küçük olmaya başladığı nokta olarak tanımlanır. Bu gradyenleri tanımlama işlemi üç veri noktası seçilerek yapılır.

MP (Minumum position) : Fiziksel olarak en düşük elektron yoğunluğunun elde edildiği değer olarak tanımlanır. Matematiksel olarak eğimin işaret değiştirdiği ilk bölge olarak tanımlanır. Bu iki durum aşağıdaki grafikte olduğu gibi çelişebilir. Buna ait bir çok mevcut örnek bulunmaktadır [1].

ED / cc

Değişken manyetik enlem Şekil 3.5 MP‟nin belirlenmesinde çelişki durumu

Şekilden de görüldüğü gibi en düşük elektron yoğunluğu değeri ikinci çukurda olmasına rağmen eğimin ilk değiştiği bölge işaretlenmiş bölgedir. Bu nedenle böyle bir durumda MP‟ nin ilk çukurun minumum değeri olarak kabul edilmesi daha uygun olacaktır. Elektron yoğunluğu çukuru bölgesi olarak adlandırdığımız bu kararsızlık bölgesi daha önce de belirtildiği üzere 0 0

75

40  değişmeyen manyetik enlem üzerinde etkilidir. Bu bölgenin oluşum zamanın ve konumunun önceden tahmini haberleşme açısından önem taşımaktadır. foF2‟ nin tahmin sürecinde geliştirilecek bir model iyonosferdeki

bu sıradışı etkiyi mutlaka göz önünde bulundurmalıdır. Aksi halde uygulama tam bir model olarak kabul edilemez.

MP, çukur (trough) bölge açısından önemini şu şekilde açıklayabiliriz. MP noktasının civarında kalan bölgeler zamana bağlı olarak elektron yoğunluğu açısından çok fazla değişiklik gösterebilecek bölgelerdir. Bunu şekil 3.6‟ da daha net görebiliyoruz.

Parçacık çöküşü (çok değişken yapı)

ED / cc

40 75 değişmeyen manyetik enlem

Şekil 3.6 Çukur (trough) bölgenin hareketi sonucunda oluşan değişim.

Görüldüğü gibi çukur (trough) bölgesinin zamanla yatay konumda hareketi sırasında elektron yoğunluğunda en fazla değişiklik olan bölge MP civarıdır. Bunun anlamı MP bölgesine karşı gelen enlemlerde yer alan bölgeler bu değişiklikten daha fazla etkilenecektir. LLP civarındaki enlemlerde yer alan bölgelerde ise bu değişim çok az olacaktır. Bundan dolayı, MP civarı için yapılan f_oF2 tahminlerinin diğer enlemlerde yer alan bölgelere oranla daha hatalı çıkması beklenebilir.

Çukur (trough) bölgesini şekil yönünden daha detaylı incelemek için, derinlik ve genişlik kriterlerini de şekil 3.7 ile tanımlayalım.

Ekvatoral duvar

ED / cc a Kutupsal duvar

b

MP

Şekilde ;

a ile ifade edilen bölgenin derinliği

b ile ifade edilen bölgenin genişliği

Bölgenin ekvatora yakın olan sol kısmını sınırlayan çizgiye ekvatoral duvar, kutuba yakın olan sol kısmını sınırlayan çizgiye kutupsal duvar diyoruz.

3.2 Elektron Yoğunluğu Çukuru (Trough) Bölgesinin ÇeĢitli Parametrelere Bağlı Olarak Ġncelenmesi

Güneş‟te meydana gelen aktivitlerin etkisi sonucunda Dünya‟nın manyetik alanının etkilenmesi ve buna bağlı olarak iyonosferdeki elektron yoğunluğunda meydana gelen ani değişimler, çeşitli kriterlere bağlıdır. Bu kriterler yardımı ile çukur bölgenin oluşum zamanı ve konumu hakkında doğruya yakın tahmin yapılabilmektedir.

Şimdi bu kriterlerin neler olduğuna bakalım: 3.2.1 Kp indeksi

Kp indeksi gezegenin manyetik etkinliğini belirleyen ve 3‟ er saatlik dilimler için ölçülen bir kriterdir. Kp indeksi 1949 yılında J. Bartles tarafından tanımlanmış olup, Güneş parçacıklarının ışınımından kaynaklanan jeomanyatik alandaki düzensiz bozulmaların incelenmesinde kullanılır.

Kp indeksi, iyonosfer içine doğru ilerleyen elektrik akımlarının bir göstergesi olarak tanımlanabilir. Dünya üzerinde değişik enlemlerde yer alan manyetometre istasyonları, bu elektrik akımlarının etkisiyle Dünya yüzeyindeki manyetik alanda meydana gelen normal olmayan değişimleri saptayarak, manyetik etkinlik şiddetine göre 3‟ er saatlik dilimler halinde ölçülendirmektedirler.

Manyetik etkinlik göstergesi olan Kp indeksi 0‟ dan 9‟ a kadar olan bir skalada ölçeklendirilmektedir. Bunu, manyetik etkinlik süreçlerinde görülen, aurora dediğimiz, parçacıkların ışımalarından kaynaklanan ve gökyüzünde görülen renkli halelerin gözlemlendiği enlemlerle ilişkilendirebiliriz. Kp indeksi bilgisinden faydalanarak auroraların görülebileceği enlemler tablo 3.1‟ de belirtilmiştir.

Tablo 3.1 Kp ve auroraların görüldüğü enlem arasındaki ilişki Kp Aurora’nın gözlemlenebildiği manyetik enlem 0 66.5 1 64.5 2 62.4 3 60.4 4 58.3 5 56.3 6 54.2 7 52.2 8 50.1 9 48.1

Bu tablodan da görüldüğü gibi Kp değeri arttıkça auroraların görüldüğü manyetik enlem azalmaktadır. Bu aynı zamanda iyonosfere geçen Güneş rüzgarı enerjisinin de ne kadar güçlü olduğunun bir göstergesidir.

Kp değerinin artması, dolayısıyla manyetik etkinliğin artması, çukur (trough) bölgesinin, enleme göre değişen grafikte sola (ekvatora) doğru kayması ve derinliğinin artması anlamına gelmektedir [4]. Bunu şekil 3.8‟ de açık olarak görmekteyiz.

ED /cc Kp = 2

Kp =4 Kp=6

Enlem

Ölçüm yapan istasyonlar auroral elektrojet akımlarından etkilenmediği sürece durum

manyetik sakinlik (magnetically quiet) olarak ifade edilir. Eğer auroral bölge ekvatora

doğru görülmeye başlarsa, elektrojet akım sisteminde, manyetosferik çember akımında ve sıralı alan akımlarında meydana gelen değişimlerin iyonosfere etkisi istasyonlar tarafından kaydedilecektir. Bu durum manyetik fırtına (magnetically disturbed) durumu olarak adlandırılır.

Bir durumun manyetik fırtına olarak adlandırılması kritik Kp değerinin belirli bir aralıkta sınırlandırılması ile yapılır. Bu kritik değer yapılan çalışmaya zamana ve konuma göre değişiklik gösterebilir. Örneğin daha once yapılan bir yapılan çalışmada kriterler şu şekilde belirlenmiştir [1]. Gece saatlerinde manyetik sakinlik durumu için Kp 2 şartı sağlanmalıdır. Manyetik fırtına durumları için Kp > 2 kriteri kabul edilebilir. Gündüz saatleri için manyetik fırtına koşulu Kp 3, iken manyetik sakinlik Kp < 3 durumunda gerçekleşmektedir. Bunun nedeni, gündüz saatlerinde Güneş‟in etkin olmasından doğal bir rahatsızlık durumu gerçekleşir. Bu yüzden kriter sınırları yükselmektedir. Aşağıda Kp‟nin yerel saate göre değişimini gösteren 07.12.2002 ve 09.12.2002 tarihlerini kapsayan örnek bir grafik görmekteyiz.

Şekil 3.9 Kp indeksinin 3‟ er saatlik zaman aralıklarındaki değişimi

Şimdi Kp‟nin artması sonucunda çukur bölgesinin ne şekilde etkilendiğini anlamak için yapılmış olan bir çalışmayı değerlendirelim [4].

Cosmos-900 uydusundan alınan verilerin değerlendirilmesi neticesinde Kp‟ ye bağlı olarak çukur bölgede gelişen değişimler, Güneş etkinliğinin fazla olduğu dönemler için incelenerek normal durumlarla kıyaslanmıştır. Aralık 1978 ve Ocak 1979 ayları çeşitli manyetik fırtınaların yaşandığı bir zaman aralığıdır. Manyetik fırtınaların yaşandığı süreçte Kp=5 durumu ve sakin durumlar için Kp=2 durumu incelenmiştir.

0 0

330

300  boylamlarında yer alan bir bölge için yapılan kıyaslamalarda Kp indeksinin

2‟ den 5‟e değişmesiyle çukur bölgenin genişliği 0 0

5 5 . 3  aralığından 0 0 4 5 . 2 

aralığına azalırken, derinliği yaklaşık 2.3‟ den 3‟ e artmıştır. Genişliğin azalması MP‟nin derinleşmesinin (plazma yoğunluğunun düşmesi) bir sonucudur.

Bu genellikle böyle olsa da bazı durumlarda rahatsız edilmiş (tetiklenmiş) elektrik alanın hareketine bağlı olarak ileride bahsedilecek olan elektron sıcaklığının tepe noktası çukur bölgenin MP değerine parallelik göstermeyip ekvator duvarına doğru kayıyorsa çukur bölgenin genişliği, rahatsız durum için sakin duruma göre daha fazla olabilir. Bunun için Kp indeksinin başlı başına bir ölçü olması beklenmez. Gelişen manyetik rüzgarın öncesi de hesaba katılmalıdır [1-5].

3.2.2 Ap indeksi

Öncelikle yazım bakımından farklılık gösteren ap ve Ap olmak üzere iki farklı indeks türü vardır. Bunlardan ap, Kp indeksi ile ilişkili bir kriterdir. Kp indeksinin 0-9 arasındaki dağılımını aşağıdaki tabloda belirttiğimizde buna karşı gelen ap değerlerini tablodan görebilmekteyiz.

Tablo 3.2 Kp indeksine karşı gelen ap değerleri

Kp 0o 0+ 1- 1o 1+ 2- 2o 2+ 3- 3o 3+ 4- 4o 4+ 5- 5o ap 0 2 3 4 5 6 7 9 12 15 18 22 27 32 39 48 Kp 5+ 6- 6o 6+ 7- 7o 7+ 8- 8o 8+ 9- 9o

Ap indeksi ise, günlük olarak hesaplanmaktadır. 3‟ er saatlik dilimler için hesaplanan ap‟ nin 8 değerinin ortalaması alınarak bulunur. Aşağıda Ap indeksine ait bir grafik verilmiştir.

Şekil 3.10 Ekim 2002 – Aralık 2002 tarihleri arasındaki Ap indeksi 3.2.3 Ae indeksi

Ae indeksi, auroral elektrojet indeksi olup yerel zaman ve enleme göre değişik şekilde (kuzey yarımküre auroral bölge) konumlanmış istasyonlar tarafından elde edilmektedir. Her istasyon kuzey-güney manyetik rahatsızlık değeri olan H‟ yi universal zamanın bir fonksiyonu olarak kaydeder. İstasyonlardan alınan bu dataların süperpozisyonu ile H komponentinin maksimum negatif kararsızlık değeri tespit edilir. Bu AL olarak adlandırılır. Aynı şekilde H komponentinin maksimum pozitif kararsızlık değeri bulunur (AU). Bu iki değer arasındaki fark Ae indeksini meydana getirir. Ae indeksinde günlük nominal seyir dışında oluşan kararsızlıklar manyetosferik önfırtınalar (magnetospheric substorms) olarak adlandırılır ve 10 dakikadan birkaç saate kadar sürebilir[5].

3.2.4 Dst indeksi

Dst (Disturbance Storm Time) indeksi her saat için ekvator bölgesinde konumlandırılmış istasyonlar tarafından belirlenir. Bu enlemlerde manyetik fırtınanın (rahatsızlığın) H

komponenti (yeryüzüne paralel bileşen), çember akım şiddetine (magnetospheric ring current) bağlı olarak değişir. Dst indeksi bu rahatsızlığın direkt ölçüsüdür. Büyük negatif rahatsızlıklar (değişimler), çember akımının (ring current) şiddetinde meydana gelen ani bir artışın göstergesidir. Bu artışın eski haline düşmesi saatler hatta günler sürebilir. Bu periyot içindeki değişikliği manyetik fırtına (magnetic storm) olarak adlandırıyoruz. Bu fırtına süresince Ae indeksinde de kesikli ya da sürekli önfırtına belirtileri görülür. Dst olarak bilinen bu indeks, bize manyetik fırtınanın ne kadar şiddetli olduğu konusunda bilgi verir. Nano Tesla mertebesinde ölçülen bu değerler Dünya‟ nın manyetik alanının yatay bileşeni olan H komponentinin ortalama değeri olarak her saat başı hesaplanmaktadır.

Şekil 3.11 Manyetosfer tabakası ve Güneş‟ in etkisiyle oluşan akımlar

Güneş rüzgarları Dünya‟ nın manyetosferi üzerinde büyük rahatsızlıklar yarattığı zaman manyetik fırtınalar gelişmektedir. Bunun sonucunda şekilde ring current olarak belirtilen kısımda bir enerji artışı olacaktır. Düşük enlemlerdeki yüzey manyetik alanının gücünü belirten Dst indeksi, ring current üzerindeki enerji artışıyla ters orantılıdır. Bir manyetik fırtına durumunda ilk olarak Dst indeksi ani bir yükseliş gösterir ve daha sonra keskin bir şekilde azalmaya başlar. Bu azalma, ring current daki enerji artışıyla birlikte devam eder. Manyetik fırtınanın etkisi geçip ring current eski haline döndüğü süreçte Dst indeksi tekrar sakin haldeki konumuna dönmeye başlar. Dst indeksinin büyük negatif değerleri göstermesi büyük bir manyetik fırtına olduğu anlamına

Dünya‟nın yüzeyindeki manyetik alan gücü yaklaşık 50.000 nT (nanoTesla) kadardır. Bu değer yanında çok küçük bir sapma olan -100 nT büyük bir manyetik fırtına için yeterli bir değerdir. Örneğin Şubat 1986 yılında meydana gelen ve iki gün süreyle gelişen güçlü bir manyetik fırtına da Dst değeri -312 nT‟ ya kadar ulaşmıştır. Bu sakin durumun yaklaşık 16 katıdır.

Şekil 3.12 Kasım 2002 tarihine ait örnek bir Dst indeksi değişim grafiği 3.2.5 Te Dağılımı

İyonosfer bölgesinin manyetik fırtınalar altında kalmasının bir sonucu olarak değişen elektron yoğunluğu oranları elektron sıcaklığında da bir değişime yol açmaktadır. Bu değişim elektron yoğunluğu ile ters orantılıdır. Şekil 3.13‟ den görüldüğü gibi elektron yoğunluğu azaldıkça, sıcaklık değeri artmaktadır. Elektron yoğunluğunun minimum değeri ile sıcaklığın tepe noktası daha önce de belirtildiği gibi her zaman paralellik göstermeyebilir. Böyle durumlarda çukur bölgenin genişlik karakteristiği diğer parametrelerin değişmesine bağlı olarak normalden daha farklı bir davranış gösterir [4].

Te

Ne

Manyetik enlem Şekil 3.13 Ne ve Te değerlerinin manyetik enleme göre değişimleri

Bu bölümde çukur (trough) bölge olarak adlandırdığımız fiziksel olay, bağlı bulunduğu değişkenlere ve enlem boyunca göstermiş olduğu karakteristik özelliklere göre tanımlanmıştır. Bu bilgiler yapılan çalışmaların öneminin net olarak anlaşılabilmesi ve okuyucuya konu hakkında gerekli bilgiyi sağlaması açısından önemlidir.

4. YAPAY SĠNĠR AĞLARI

Yapay sinir ağları bir bilgi işleme sistemi olup biyolojik sinir ağları ile ortak performans karakteristiklerine sahiptir. Son senelerde kullanım alanları oldukça gelişmiş olup, ses ayırt etme, uzaktan algılama gibi bir çok uygulamada kullanılmaya başlanmıştır. Burada amaç, oluşturulan yapay sinir ağı modeline çeşitli örnekleri kapsayan bir eğitim setinin iteratif olarak beslenmesi sonucu ağ modelinin öğrenmesinin sağlanmasıdır.

Bilgisayarların işlem hızlarının geliştirilmesiyle birlikte bir çok kompleks problemin çözümünde kullanılan bu yöntem paralel işlem mimarisine dayanmaktadır. Yöntemin işleyişinin insan beyninin işleyişine benzer iki yönü mevcuttur.

1 ) Bilgi, bir öğrenme sürecine tabi tutulan bir ağ tarafından kazanılır.

2 ) Nöronların arasındaki bağlantıyı sağlayan ve sinaptik ağırlıklar (weights) olarak bilinen bağlar bilgiyi sınıflandırma yaparak depo etmektedir.

Sınıfları birbirinden ayıran en basit ayırma fonksiyonları, birinci dereceden eğrilerdir. Bu tür sınıflandırıcılara lineer sınıflandırıcılar denir. Buna rağmen sınır belirleme en basit durumlarda bile zordur. Bunun nedeni ayrık bölgeler oluşturabilmek için özellik grupları arasında sonsuz adet sınır çizilebilmesidir.

Şekil 4.1‟ de örnek bir verinin en yakın komşuluk ilişkisine göre hangi sınıfa ait olduğuna karar verilmesi ve belirlenen sınıfa dahil edilmesi işlemi şematik olarak gösterilmektedir [6]. Her iki sınıfa ait mesafeler (d1 ve d2) karşılaştırılarak bilginin hangi sınıfa daha yakın özellikler içerdiği kararlaştırılır.

Lineer karar sınırı

Şekil 4.1 Sınıflar arası en yakın komşuluk bilgisinin karşılaştırılması ve sınıfların lineer karar sınırı ile ayrılması

Bu sınıflandırma tekniği, sınıflar birbirlerinden ayrık durumda olduğu durumlarda oldukça iyi sonuçlar vermektedir. Şekil 4.1‟de olduğu gibi Sınıf 1‟e ait olmasına rağmen

Sınıf 2‟ye daha yakın görünen X örneği, hangi sınıfa ait olduğuna karar verilmeye

çalışılan U örneğinin yanlış bir sınıfa dahil edilmesine neden olmaktadır. Bu problem, U gibi sınıflandırılacak örneklerin, mevcut sınıfların içerdiği tüm örneklere ait uzaklıklarının hesaplanıp, ortalamasının alınması yoluyla giderilebilmektedir.

Sınıfların belirlenmesinden sonraki en zor kısım karar sınırının oluşturulmasıdır. Şekil 4.1‟ deki gibi sınıfların birbirinden ayrık olması lineer bir karar sınırı ile ayrılabilmelerini sağlamaktadır. Oysa günümüzde yapılan çoğu uygulamada lineer olmayan yapılar ile karşılaşılmakta bu da karar sınırlarının oluşturulmasında lineer olmayan fonksiyonlar kullanılmasını gerektirmektedir.

Yapay sinir ağları nöron veya nod adı verilen ve giriş bilgisine göre belli işlemler yaparak durum cevabı üreten tek veya çoklu ünitelerden meydana gelmiştir. Bu işlemlerin ne şekilde gerçekleştiği, sinir ağı modelinin türüne ve öğrenme yoluna bağlı olarak değişiklik gösterir. Bu modellerden ileri beslemeli (feed-forward) sinir ağlarına örnek olarak geriye yayılım (backpropagation) algoritması, karşılıklı yayılım

(counterpropagation) algoritması, rekabetçi öğrenmeye örnek olarak da kendi kendini organize eden sistemler (self-organising maps), radyal temelli fonksiyonlar ve genelleştirilmiş regresyon yaklaşımları verilebilir. Bunlar tam olarak birbirleriyle denk yöntemler olmamasına rağmen veri analiz problemlerinin bir çoğunda kullanışlıdır. Bir çok uygulamada çeşitli veriler alınır ve öğrenme süreci içinde bunlar kendi aralarındaki ilişkilere göre anlamlı gruplara sınıflandırılmaya çalışılır. Kendi kendini organize eden sistemler gibi denetlenmeyen (istenilen çıkış ile elde edilen çıkışın kıyaslanmaması hali) sinir ağlarında girilen veri doğrudan hafızaya işlenir. Ağırlıklardaki yenilenme dış etkilere göre yapılmaz. Giriş verisini kendi içinde ilişkilendirerek öğrenme işlevini gerçekleştirir. Daha çok veri inceleme problemlerinde kullanılır. Ağ, girilen verinin yapısını bir denetleme yapmadan öğrenerek, çıkış olarak girilen verinin topolojik karakter haritasını oluşturur. Bu özellik haritası, verinin özelliklerine göre gruplar oluşturur ve giriş düzlemindeki komşuluk ilişkilendirilmesini gerçekleştirerek, genel haritalandırma işlemini yapar.

4.1 Uygulamada Ġzlenmesi Gereken Ana Adımlar

Seçilmiş olan yapay sinir ağı modeli, elde edilecek sonuçlarda kritik bir etkiye sahiptir. Uygulamada kullanılacak olan ağ modelini gerçekleştirmek istediğimiz işlemin amacına uyacak şekilde belirlemeliyiz. Çeşitli çalışmalardan elde edilen sonuçlara dayanarak, sinir ağı modelinin kompleksliliğini belirleyen ve başta kararlaştırılan serbest parametreler (ağırlıklar v.s.) problemin yapısına ve kullanılacak eğitici örneklerin sayısına uygun seçilmelidir. Ağ çok fazla kompleks olduğu takdirde, eğitim setini çok iyi öğrenecek, fakat genelleme işlemi zayıf olacaktır. İyi bir genelleme yapabilmek için yapının kompleksliliği de iyi belirlenmelidir.

Yapay sinir ağı uygulamalarında göz önünde bulundurulması gereken faktörler şunlardır:

 Verilerin düzenlenmesi.

 Ağ yapısının dizayn edilmesi .

 Verilen problem için ağı eğitmek .

4.2 Yapay Sinir Ağlarının Genel Yapısı

Ağ modelinin belirli bir uygulama için yapılandırılmasında işlem elemanları, diğer adıyla nöronlar belirli bir şekilde düzenlenmelidir. Genel olarak bazı yapısal ünitelerin oluşturulmasında nöronlar birbirleriyle bağlı şekildedir ve çizgisel bir sırada dizilidir. Bu çizgisel şekilde dizilmiş nöronların oluşturduğu ünitelere katman denilmektedir. En çok kullanılan ağ modelleri çok katmalı modellerdir. Şekil 4.2‟ de üç katmanlı nöronları tam olarak birleştirilmiş bir ağ modeli görülmektedir. Bu katmanlar giriş katmanı, ara (gizli) katman ve çıkış katmanıdır [7-9].

Şekil 4.2 Üç katmanlı tam birleştirilmiş yapay sinir ağı

GiriĢ katmanı : Bu katman dışarıdan gelen bilginin ağa girmesini sağlar. Giriş katmanı kendi çıkışını ara katmana giriş olarak göndermektedir. Giriş katmanındaki nöronların sayısı, belirli bir problemi karakterize etmek için yeterli olan giriş değerlerinin sayısıdır. ÇıkıĢ katmanı : Çıkış katmanı, giriş katmanına girilen giriş sinyaline uygun olarak bir çıkış üretir. Çıkış katmanı nöronları, kendi giriş değerlerini ara katmandan elde ederler. Bu katmanda gerekli olan nöronların sayısı, tanımlanan problem için gerekli olan çıkışa eşittir. GiriĢ katmanı Ara ( gizli ) katman Çıkış katmanı Yapay nöron bağlantılar