Ayrıştırma tekniklerinin matris çarpımı yöntemi ile üretilen jeoistatistiksel benzetimler üzerindeki etkisinin incelenmesi
Study of effect of decomposition algorithms on geostatistical simulations generated by matrix decomposition method
- Tez No: 197169
- Danışmanlar: PROF. DR. ERHAN TERCAN
- Tez Türü: Yüksek Lisans
- Konular: Maden Mühendisliği ve Madencilik, Mining Engineering and Mining
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2005
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 102
Özet
Matris çarpımı yöntemi, kovaryans matrisi (C) nin alt ve üst üçgen matrislerşeklinde parçalanmasına (C=LU) dayanmakta, benzetim değerleri alt üçgenmatrisin bağımsız rastlantı sayılardan oluşan bir vektörle çarpılmasındanüretilmektedir. Kovaryans matrisinin ayrıştırılmasında klasik olarak kullanılanteknik, Cholesky ayrıştırma tekniğidir.Bu çalışmada Cholesky, bakışımlı ve izgesel ayrıştırma tekniklerinin matrisçarpımı yöntemi ile üretilen benzetimler üzerindeki performansları incelenmiştir. Buamaçla bir benzetim deneyi düzenlenmiş ve dört farklı yapısal uzaklık (a=600,1000, 1600 ve 2000) gözönüne alınarak her bir ayrıştırma tekniği için 100'er adetkoşullu ve koşulsuz benzetim yapılmıştır.Ayrıştırma yöntemlerinin performansları üretilen koşullu ve koşulsuz benzetimlerinortalama ve varyansları, variogram üretimi, deneysel variogramların modelvariogramlara yaklaşma hızı, Kolmogorov-Simirnov (KS) testi ve bağımsızlık testigibi ölçütler kullanılarak değerlendirilmiştir.Sonuçlar, izgesel ayrıştırma yöntemi ile koşullu benzetimin yapılamayacağını,koşulsuz benzetimler üretirken de bu yöntemin kullanımının oldukça sınırlıolduğunu göstermektedir. Ayrıca Cholesky ya da bakışımlı ayrıştırmayöntemlerinden hangisinin tercih edileceği benzetimin kullanım amacına bağlıdır.Anahtar Kelimeler : Jeoistatistiksel benzetim, variogram, LU ayrıştırma yöntemi,yapısal uzaklık, bağımsızlık, yakınsamaDanışman: Prof. Dr. A. Erhan Tercan , Hacettepe Üniversitesi , MadenMühendisliği Bölümü , Maden İşletme Anabilim Dalı
Özet (Çeviri)
Matrix decomposition method is based on decomposition of covariance matrix (C)into lower and upper triangular matrices ( C=L.U ), simulated values are generatedby multiplication of the lower triangular matrix and a vector of independent randomnumbers. The technique, traditionally used in decomposition of the covariancemartix, is Cholesky decomposition.In this study, the performance of Cholesky, symmetric and spectral decompositionmethods on the simulations produced by matrix decomposition method isinvestigated. For this purpose, a simulation experiment is set up and consideringfor different ranges (a=600, 1000, 1600 and 2000) 100 unconditonal andconditional simulations are generated for each decomposition technique.The performance of the decomposition methods are assessed by measures suchas mean and variance of unconditional and conditional simulations, convergencerate of experimantal variograms to model variogram, variogram reproduction,Kolmogorov-Simirnov (KS) test and finally independent test.The results show that conditional simulation by spectral decomposition methodmay not be possible and in the case of unconditinal simulation, this method hasrather limited use. In addition, the choice of Cholesky and symmetricdecomposition methods depends on the purpose of use of the simulation.Keywords : Geostatistical simulation, variogram, LU decomposition method,range, independence, convergenceAdvisor: Prof. Dr. A. Erhan Tercan , Hacettepe University , Deparment of MiningEngineering, Mining Division
Benzer Tezler
- Developing a smart method for real -time brain tumor localization and segmentation on ct ımages using hybrid techniques and yolo
Hibrit teknikler ve yolo kullanilarak bt görüntülerinde gerçek zamanli beyin tümörü lokalizasyonu ve segmentasyonu için akilli bir yöntem geliştirilmesi
NUSAIBAH KHALID ABDULMAJEED AL-SALIHI
Doktora
İngilizce
2025
Elektrik ve Elektronik MühendisliğiÇukurova ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ULUS ÇEVİK
PROF. DR. TURGAY İBRİKÇİ
- Deep learning based hybrid recommender system
Derin öğrenme tabanlı öneri sistemi
MUHAMMET ÇAKIR
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- Öneri sistemi modellerinde kullanılan makine öğrenmesi tekniklerinin müşteri satın alma tercihleri doğrultusunda karşılaştırılması
Comparison of machine learning techniques used in the recommender system models in accordance with customer purchase preferences
ÖMER UÇAN
- Analysis of large Markov chains using stochastic automata networks
Büyük Markov zincirlerinin rassal özdevinimli ağ kullanılarak çözümlemesi
OLEG GUSAK
Doktora
İngilizce
2001
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUĞRUL DAYAR
- Comressıon of convolutıonal neural networks vıa hıgh dımensıonal model representatıon
Yüksek boyutlu model gösterilimi aracılığıyla evrişimsel sinir ağlarının sıkıştırılması
BERNA YILMAZ
Yüksek Lisans
İngilizce
2025
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA
