Dergiler / Technological Applied Sciences / 2026 / Cilt: 3 Sayı: 2

CLASSIFICATION of TRANSMISSION LINE FAULTS by USING WAVELET TRANSFORM and PROBABILISTIC NEURAL NETWORKS

DALGACIK DÖNÜŞÜMÜ VE OLASILIKSAL SİNİR AĞLARI KULLANARAK İLETİM HATTI ARIZALARININ SINIFLANDIRILMASI

Sayfa
200–210
Yayın Tarihi
2008-03-01
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

It has been shown that the proposed method classify all fault types with %99 accuracy rate.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:In this paper, an alternative method which uses discrete wavelet transform (DWT) and probabilistic neural networks (PNN) is presented for classification of transmission line faults.
📊
Temel Bulgular & Veri:DWT is used to extract distinctive features of fault transients.
💡
Sonuç & Katkı:It has been shown that the proposed method classify all fault types with %99 accuracy rate.
🔬Tür:Makale
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Transmission Line Faults · Discrete Wavelet Transfo · İletim Hattı Arızaları

Özet

In this paper, an alternative method which uses discrete wavelet transform (DWT) and probabilistic neural networks (PNN) is presented for classification of transmission line faults. DWT is used to extract distinctive features of fault transients. Detail coefficients of DWT feed the PNN. A comparison study with other classification methods such as Back Propagation Algorithm (BPA) and Bayes classifiers is also performed to confirm the feasibility of the proposed method. It has been shown that the proposed method classify all fault types with %99 accuracy rate.

Abstract

Bu makalede, iletim hattı arızalarını sınıflandırmak için ayrık dalgacık dönüşümünü (ADD) ve olasılıksal sinir ağlarını (OSA) kullanan altenatif bir yöntem sunulmuştur. Arıza geçici durumlarının ayırt edici özelliklerini çıkarmak için ADD kullanılmıştır. ADD'nin detay katsayıları OSA'nın girişine uygulanmıştır. Önerilen yöntemin uygunluğunu doğrulamak için geri yayılım algoritması (GYA) ve Bayes sınıflandırıcıları gibi yöntemlerin sonuçları karşılaştırılmıştır. Önerilen yöntemin tüm arıza tiplerini %99'luk bir doğruluk oranıyla sınıflandırdığı görülmüştür.

🔖

Bu Makaleye Atıf Yap

Ekici, S. (2008). CLASSIFICATION of TRANSMISSION LINE FAULTS by USING WAVELET TRANSFORM and PROBABILISTIC NEURAL NETWORKS. Technological Applied Sciences, Cilt: 3 Sayı: 2, 200–210. https://doi.org/10.12739/10.12739

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...