Diktörtgen mikroşerit antenin rezonans frekansının hesaplanmasında yapay sinir ağları ve destek vektör makinası yöntemlerinin karşılaştırılması

Abstract

Bu tezde High Frequency Structural Simulator (HFSS) programı yardımıyla koaksiyel beslemeli Dikdörtgen Mikroşerit Anten (DMŞA) tasarımı yapılmış ve uzunluk (L), genişlik (W), yalıtkan tabaka yüksekliği (h) ve yalıtkan tabakanın dielektrik sabiti (ɛr) parametreleri girdilerine karşılık rezonans frekansı (fr) elde edilmiş ve bu şekilde 210 adet veri kümesi oluşturulmuştur. Bu veri kümesi ile yapay zekâ metotlarından Yapay Sinir Ağları (YSA) ve Destek Vektör Makinası (DVM) yöntemleri için oluşturulan modellerin eğitim ve testleri yapılmış ve bu iki yöntem ile elde edilen hata karşılaştırmaları yapılarak en doğru sonucu veren yöntemin belirlenmesi üzerine çalışılmıştır. Yapılan literatür taramasında inceleyebildiğimiz kadarıyla, YSA ve DVM metotlarıyla gerçekleştirilen anten tasarımlarında, tasarlanan modelin güvenilirliğini sağlayan çapraz doğrulama yaklaşımının uygulanmadığı tespit edilmiş ve bu nedenle bu çalışmada önemli bir hedefte çapraz doğrulama yaklaşımını kullanmak olmuştur. İlk etapta, tasarlanan DMŞA için oluşturulan 210 adet verinin 180 adediyle YSA ve DVM modelleri eğitilmiş, geri kalan 30 adet veri ile de eğitilmiş modellerin testleri yapılmış ve Ortalama Hata Yüzdesi (OHY) değeri hesaplanmıştır. Daha sonra, çapraz doğrulama için, 210 adet veri 30’ar kaydırılarak, ilk etapta yapılan eğitim ve test aşamaları tekrarlanmış ve kaydırma 7 kez tekrarlanarak, her bir aşama için yeni bir OHY değeri elde edilmiştir. Tüm bu OHY’lerin (7 adet) ortalamasından Çapraz Doğrulama Ortalama Hata Yüzdesi (ÇDOHY) elde edilmiştir. Çalışma kapsamında elde edilen YSA modeli için en düşük OHY (%) değeri 0,271 ve ÇDOHY (%) değeri 0,510 olarak bulunmuştur. DVM modeli için en düşük OHY (%) değeri 0,319 ve ÇDOHY (%) değeri 0,791 olarak bulunmuştur. Anahtar Kelimeler: HFSS, Mikroşerit Yama Antenler, Yapay Zekâ Metotları, Yapay Sinir Ağları, Destek Vektör Makinası

In this thesis, by help of High Frequency Structural Simulator(HFFS) software, Rectangular Microstrip Antenna(RMSA) with coaxial fed is designed, and length (L), Width (W), dielectric substrate height (h), and the dielectric constant of substrate (ɛr) as input parameters are used to obtain resonance frequency (fr) and to generate 210 data cluster. With this data cluster, models designed for Artificial Neural Network and Support Vector Machine, which are artificial intelligence methods, are trained and tested, and then by comparing the errors that obtained from these two methods, it is studied on determining the which method yields the best accurate results. In litreature as far as we can examine, in the papers that are use ANN and SVM algorithm for computing resonant frequency of MSA, it is recognized that cross validation approximation providing the reliability of designed model is not used, and therefore using the applying cross validation has been also a target of the of this search. At the first stage, ANN and SVM models are trained with 180 pieces of 210 data generated for RMSA and the remaining 30 pieces are used for testing these trained models, and average percentage error (APE) are calculated. Then, to subject data cluster for cross-validation, 210 data are shifted by 30, and training and testing stages done at the first stage are repeated. This shifting in 210 data is repated by 7 times and for each stage, a new APE value is obtained. Finally, Cross Validation Average Percentage Error (CVAPE) is obtained from all seven APE values. The obtained results for ANN model show that lowest APE (%) and lowest CVAPE (%) are calculated as 0,271 and 0,510 respectively. On the other hand for SVM model lowest APE (%) and lowest CVAPE (%) are calculated as 0,319 and 0,791 respectively. Keywords: High Frequency Structural Simulator, Microstrip Patch Antennas, Artificial Intelligence Methods, Artificial Neural Networks, Support Vector Machines