Yapay sinir ağları ile yerel jeoit belirleme

Abstract

Jeoit, fiziksel anlamlı ortometrik yükseklikler için referans yüzeyidir. Bu nedenle jeoidin yüksek hassasiyette belirlenmesi yerbilimlerinde özellikle jeodezide hayati öneme sahiptir. Uygulamada jeoit belirleme için çoğunlukla GNSS (Global Navigation Satellite Systems—Küresel Seyrüsefer Uydu Sistemleri) ve nivelman verilerini birlikte değerlendiren birçok matematiksel yüzey ve enterpolasyon teknikleri uygulayan geometrik yöntem kullanılır.Günümüzde hızla gelişen yapay zekâ ve makine öğrenmesi teknolojileri, algoritması çok karışık problemlere insan beyni gibi davranarak çözümler üretmektedir. Bu çalışmada yapay zeka teknolojilerinden yapay sinir ağı incelenmiş, jeoit belirlemede kullanılabilirliği test edilmiştir. Bu amaçla yaklaşık 2765 km2 lik yüzölçümüne sahip Belçika'da bir çalışma alanı seçilmiş ve bu alanda bulunan 326 GNSS-nivelman noktası aracılığı ile eğitim ve test verilerini değiştirerek 6 adet deney yapılmıştır. Bu noktalar çeşitli kombinasyonlar oluşturacak şekilde eğitim ve test seti olarak ayrılmıştır. Bu kapsamda yapay sinir ağı modelleri ve polinomal eğri yüzey modelleri oluşturulmuş ve karşılaştırma sonuçları üretilmiştir. Sayısal sonuçlar `Büyük Ölçekli Harita ve Harita Bilgileri Üretim Yönetmeliği` açısından bakıldığında hem homojen hem de homojen olmayan nokta dağılımında yapay sinir ağı modelinin polinomal yüzey modelinden daha iyi sonuçlar ürettiği görülmüştür.

Geoid is a reference surface for physical orthometric heights. Thus precise geoid determination is essential important in geosciences especially in geodesy. For the geoid determination the geometrical method that evaluates GNSS (Global Navigation Satellite Systems) together with levelling data is mostly used in practice. In order to determine geoid surface, many mathematical surfaces and interpolation techniques are applied in this method. Today the rapidly developing artificial intelligence and machine learning technologies by behaving the human brain produce solutions to problems, which have very complex algorithms. In this study, the artificial neural network from artificial intelligence technologies was examined and also its usability was tested in the geoid determination. For this purpose a study area that covers approximately 2765 km2 was selected and some tests were carried out in this area by using 326 GNSS-levelling points. These points were divided into training and test datasets in order to create various combinations. In this context, some artificial neural network models and polynomial curve surface models were yielded and comparison results were produced. According to numerical results, it was observed that models of artificial neural networks produced better results than the polynomial curve surface models in the homogenous and non-homogeneous point distributions from viewpoint of `Rules of Large Scale Map and Map Data Production`.