Jeoid Yüksekliklerinin Belirlenmesinde Yapay Sinir Ağları ve Kriging Enterpolasyon Yöntemlerinin Karşılaştırılması

Yıl 2016, Cilt: 16 Sayı: 3, 674 - 678, 31.12.2016

Mevlüt Güllü , Bayram Turgut Tamer Baybura

Öz

Türkiye’de uydu tekniklerinin yaygınlaşması ile düşey datumların belirlenmesinde Küresel Uydu Konumlama Sistemi (GNSS) 2001 yılından itibaren kullanılmaya başlamıştır. GNSS sisteminin verdiği yükseklikler elipsoidal yüksekliklerdir. Fakat Türkiye Ulusal Düşey Kontrol Ağı-1999 (TUDKA-1999) ortometrik yükseklik sistemini esas almaktadır. GNSS ölçmeleri ile elde edilen elipsoidal yüksekliklerden ortometrik yüksekliğe geçebilmek için jeoid yüksekliklerine ihtiyaç vardır. Bu çalışmanın amacı Yapay Sinir Ağları (YSA) ve Kriging Enterpolasyon yöntemiyle jeoid yüksekliklerinin belirlenmesidir. Afyonkarahisar bölgesinde seçilen noktalardan oluşan test ağında yaygın olarak kullanılan enterpolasyon yöntemlerinde biri olan Kriging yöntemi ve Radyal Bazlı Fonksiyon Sinir Ağı (RBFSA) yöntemleri karşılaştırılmıştır. RBFSA ve Kriging yöntemleriyle hesaplanan jeoid yükseklikleri ile bilinen jeoid yükseklikleri arasındaki farklar karesel ortalama hata yönünden değerlendirilmiş ve RBFSA yöntemiyle daha iyi sonuçlar elde edilmiştir.

Anahtar Kelimeler

Jeoid yüksekliği, Yapay sinir ağları, RBFSA, Enterpolasyon, Kriging.

Kaynakça

• Aşık, E., 2013, Lokal jeoit belirlemede yapay sinir ağları ve kriging yöntemlerinin karşılaştırılması, Yüksek lisans tezi, Afyon Kocatepe Üniversitesi Fen Bilimleri Enstitüsü, Afyonkarahisar, 71.
• Barton, J.M.H., Buchberger, S.G. and Lange, M.J. 1999, Estimation of error and compliance in surveys by kriging. Journal of Surveying Engineering, 125-2: 87-108
• Demir, C., 1999, Türkiye Ulıusal Düşey Kontrol Ağı-1999 (TUDKA-99), Harita Genel Komutanlığı, Jeodezi Dairesi Başkanlığı, Ankara
• Güllü M., Yılmaz İ., Yılmaz M., Turgut B., 2011, An alternative method for estimating densification point velocity based on back propagation artificial neural Networks, studia geophysica et geodatica, 55(1), 73-86.
• Graupe, D., 2007. Principles of Artifical Neural Networks. World Scientific Publishing, Singapore.
• Haykin, S,. 1999. Neural Networks: A Comprehensive Foundation. Prentice Hall, Upper Saddle River, NJ.
• Lippmann, R.P., 1987. An introduction to computing with neural nets. IEEE ASSP Magazine, 4: 4-22.
• Tierra A., Dalazoana R., De Freitas S., 2008, Using an artificial neural network to improve the transformation of coordinates between classical geodetic reference frames, Computer and Geosciences, 34, 181-189.
• Yılmaz İ., Güllü M., Yılmaz M., Dereli M.A., 2010, compass roses on the Book of Navigation (Kitab-ı Bahriye) Declination data source for geomagnetic 00.020.040.060.080.10.120.140.16RBFSAKRİGİNGKOH(m.)ΔNfield models, Physics of the earth and planetary ınteriors,182, 170-174.
• Zurada, J.M., 1992. Introduction to Artificial Neural Systems. West Publishing Company, St. Paul, MN.