Hava araçlarında buzlanma geçmişten günümüze havacılık alanında ciddi problemlerden biridir. Buzlanma hava araçlarının performansını düşürür ve hava aracının hakimiyetinin kaybedilip düşmesine, bunun sonucu olarak ise ölüm ve yaralanmalara sebep olabilir. Literatürde hava aracı üzerinde oluşan buzlanmadan ötürü pek çok kaza meydana gelmiştir ve günümüzde de halen meydana gelmektedir. Hava araçlarında buzlanma probleminin önüne geçebilmek için buz önleme ve buz giderme sistemleri önerilmiştir. Buz önleme ve giderme sistemlerinin doğru zamanda devreye alınıp çıkarılması önem arz eder. Aynı zamanda buz önleme ve giderme sistemlerinin çalıştırılıp kapatılması için buzlanmanın varlığına göre kararı pilota bırakmamakta insan kaynaklı hataların önüne geçmeyi sağlar. Bu çalışmada buzlanma risk derecesinin karar ağaçları algoritması kullanarak tahmin edilmesi gerçekleştirilmiştir. Karar ağacı algoritması hold-out, k kat çapraz doğrulama ve biri dışarda çapraz doğrulama modelleri için kurulmuştur. Hold-out yöntemi için farklı doğrulama verisi oranları kullanılmış, k kat çapraz doğrulama modeli için ise farklı k kat değerleri kullanılmıştır. Sonuçlar performans değerlendirme metriklerinden doğruluk, duyarlılık, kesinlik ve F-ölçütü kullanılarak belirlenmiştir.
Icing on aircraft is one of the serious problems in aviation from past to present. Icing reduces aircraft performance and can cause aircraft to lose control and fall, resulting in death and injury. Many accidents have occurred in the literature due to icing on the aircraft, and they still occur today. Anti-icing and de-icing systems have been proposed to prevent icing problems in aircraft. It is important that anti-icing and de-icing systems are activated and de-iced at the right time. At the same time, it does not leave the decision to the pilot according to the presence of icing for the operation and shutdown of the anti-icing and de-icing systems, thus preventing human-induced errors. In this study, the icing risk degree was estimated using decision trees algorithm. The decision tree algorithm is established for hold-out, k-fold cross-validation and leave-one-out cross-validation models. Different validation data rates were used for the hold-out method, and different k-fold values were used for the k-fold cross-validation model. Results were determined using the performance evaluation metrics accuracy, sensitivity, precision and F-score.
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
