Nesnelerin interneti tabanlı sistemlerde karmaşık olay işleme

Nesnelerin interneti (Internet of Things - IOT) ile birlikte sensörler tarafından üretilen ham veri miktarı artmıştır. Yüksek hacimli ve hızdaki bu veriden anlamlı bilgiler çıkarmak için verinin gerçek zamanlı olarak işlenmesi gerekmektedir. Bu kapsamda karmaşık olay işleme (Complex Event Processing- CEP) sistemler ham veriden değerli bilgileri çıkaran bir sistem olarak gerçek zamanlı veri işleme amacı ile kullanılmaktadır. Ancak CEP sistemlerinde kural tanımlama zorluğu ve tahmin yöntemlerinin entegrasyonu konularında zorluklar yaşanmaktadır. Bu kapsamda bu tez çalışmasında CEP sistemlerinin IoT verileri kullanarak derin öğrenme temelli çözümler önerilmiştir. Tez kapsamında ilk olarak IoT verilerinden genel CEP kurallarının çıkarılması amacı ile kümeleme ve kural madenciliği aşamalarını içeren bir model önerilmiştir. Önerilen model kapsamında kural madenciliği algoritmalarının belirlenen kümelere ilişkin kuralları çıkarmada başarılı sonuçlar verdiği ölçülmüştür. Bu tez çalışmasında ikinci olarak, derin öğrenme (deep learning - DL) yöntemleri ile etiketsiz IoT verilerinden CEP kurallarının otomatik çıkarılmasını sağlayan bir çerçeve model önerilmiştir. Önerilen çerçeve model yeniden çatılma hatası ve başarım performansları dikkate alınarak akıllı şehir uygulamasında yer alan hava kirlilik gaz verileri kullanılarak değerlendirilmiştir. Bu tez çalışmasında son olarak CEP tahmin probleminin çözümüne odaklanılmıştır. Bu kapsamda DL yöntemleri ve CEP işleme motoru yapısını içeren IoT sis hesaplama yaklaşımı ile bir sistem önerilmiştir. DL yöntemleri ile IoT zaman serileri tahmin edilerek başarım performansı geleneksel yöntemlerden Destek Vektöre Regresyonu (Support Vector Regression- SVR) ile karşılaştırılmıştır. Tahmin değerleri CEP işleme motorunda değerlendirilerek her bir algoritma için başarım performansları verilmiştir. Önerilen sistemde sis hesaplama dikkate alınarak uçtan uca ağ gecikmesi hesaplanmıştır. Bu bağlamda önerilen sistem modelinde tahmin edilen IoT verilerinin CEP işleme motorunda değerlendirilmesinin küçük ağ gecikmesi ile birlikte yüksek bir başarımla sağlandığı ortaya koyulmuştur.