Yapay sinir ağları ile heyelan duyarlılık haritalarının üretilmesinde farklı algoritmaların kullanımının araştırılması
Investigation of the utilization of different algorithms in landslide susceptibility mapping with artificial neural networks
- Tez No: 372854
- Danışmanlar: PROF. DR. MURAT ERCANOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Jeoloji Mühendisliği, Geological Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Jeoloji Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 158
Özet
Bu çalışma kapsamında, heyelan duyarlılık haritalarının oluşturulmasında literatürde yaygın olarak kullanılan yapay sinir ağları (ANN) yöntemi uygulanarak, yapay sinir ağlarının eğitiminde farklı algoritmaların kullanılmasının sonuç haritaları üzerindeki etkileri ve performanslarının araştırılması amaçlanmıştır. Bu amaçla, Batı Karadeniz Bölgesi, Karabük ili sınırları içerisinde bir çalışma alanı seçilmiştir. Arazi çalışmaları, inceleme alanına ait hava fotoğraflarından ve Google Earth uydu görüntülerinden yararlanılarak, 196 adet heyelan haritalanmış ve heyelan veri tabanı oluşturulmuştur. Heyelan duyarlılığı analizlerinde kullanılmak üzere; topoğrafik yükseklik, yamaç eğimi, bakı, topoğrafik nemlilik indeksi, litoloji ve bitki örtüsü indeksi parametreleri dikkate alınmıştır. Farklı eğitim algoritmaları kullanılarak eğitilen ANN modellerinin sonuç haritaları üzerindeki etkilerinin karşılaştırılması amacıyla, tek ve iki gizli tabakalı olmak üzere iki farklı ağın topolojik yapısı tasarlanmıştır. ANN tasarımında, bir adet gizli tabaka kullanılması durumunda test veri seti hata oranı en düşük olan ağ topolojisi 6-13-1 olarak, iki adet gizli tabaka kullanılması durumunda ise test veri seti hata oranı en düşük olan ağ topolojisi 6-11-6-1 olarak saptanmıştır. Bu ağların eğitiminde, geri yayılım (BBP), hızlı yayılım (QP), eşlenik eğim (CGD) ve Levenberg-Marquardt (LM) olmak üzere dört farklı eğitim algoritması kullanılarak toplamda 8 adet ANN modeli oluşturulmuştur. Bu modeller gizli tabaka sayısı ve eğitim algoritmasına göre; tek gizli tabakalı ANN modeli için; BBP1, QP1, CGD1, LM1 olarak ve iki gizli tabakalı ANN modeli için; BBP2, QP2; CGD2 ve LM2 olarak adlandırılmış ve bu modeller kullanılarak çalışma alanı için 8 farklı heyelan duyarlılık haritası üretilmiştir. Sözü geçen eğitim algoritmalarının, ANN modellerine etkileri ve performanslarını değerlendirmek amacıyla, mevcut heyelanlı alanlarla, üretilen duyarlılık haritaları karşılaştırılarak ROC eğrileri çizilmiş, ROC eğrisi altında kalan alanları (AUC) ve ayrıca iki veri seti arasındaki ilişki değerini gösteren rij katsayısı FULLSA yazılımı kullanılarak hesaplanmıştır. En yüksek performansa sahip haritanın, AUC değeri 0.817 ve rij değeri 0.972 olarak hesaplanan, CGD1 modeliyle üretilmiş heyelan duyarlılık haritası olduğu belirlenmiştir. Ayrıca, ANN kullanılarak oluşturulan heyelan duyarlılık haritaları, mevcut heyelanların dağılımı dikkate alınarak karşılaştırıldığında,“yüksek heyean duyarlılığı”nı temsil eden alanları en iyi yansıtan haritanın CGD1 modeliyle üretilen ve“çok yüksek heyelan duyarlılığı”nı temsil eden alanları en iyi yansıtan haritanın ise QP2 modeliyle üretilen heyelan duyarlılık haritası olduğu sonucuna varılmıştır. Bu değerlendirmeler ve analiz performanslarından yola çıkılarak; eşlenik eğim algoritması, geri yayılım, hızlı yayılım ve Levenberg-Marquardt algoritmalarından daha yavaş olmasına karşın, tahmin sonuçları bakımından en iyi olduğu, Levenberg–Marquardt algoritmasının test edilen algoritmalar arasında en hızlı olanı ve tahmin performansına bakıldığında, geri yayılım, hızlı yayılım algoritmaları kadar iyi olduğu, geri yayılım ve hızlı yayılım algoritmaları arasında ise hız ve tahmin performası açısından belirgin bir farklılık bulunmadığı sonucuna varılmıştır.
Özet (Çeviri)
This study aims to investigate the effects and performances of the uses of different learning algorithms in the training of artificial neural networks on the resulting maps by applying the artificial neural networks (ANN) method, which is commonly used for the creation of landslide susceptibility maps in the literature. For this purpose, a study area is selected within the borders of Karabük province in the Western Black Sea Region. By utilizing site investigations, aerial photographs of the study area and Google Earth satellite images, 196 landslides were mapped and a landslide database was created. In order to be used in the analysis of landslide susceptibility: topographical elevation, slope angle, aspect, wetness index, lithology and vegetation index parameters were taken into account. The topological structures of two different networks, which are composed of respectively single and double hidden layers, are designed so as to compare the effects of the ANN models that are trained by different learning algorithms on the resulting maps. In the ANN design; in the case of single hidden layer use, the lowest test data set error of network topology is detected as 6-13-1; in the case of two hidden layer use the lowest test data set error of network topology is detected as 6-11-6-1. In the training of these networks, by utilizing four different learning algorithms, which are batch back-propagation (BBP), quick propagation (QP), conjugate gradient descent (CGD) and Levenberg-Marquardt (LM), a total of 8 ANN models have been created. These models are named according to the number of hidden layer and training algorithm; for single hidden layered ANN model; BBP1, QP1, CGD1, LM1, and for two hidden layer ANN model for; BBP2, QP2; CGD2 and LM2. By using models, 8 different landslide susceptibility maps were produced for the study area. In order to assess the effects and performance of the above mentioned learning algorithms on ANN models, by comparing the existing landslide areas and produced susceptibility maps, the ROC curves were plotted and the areas under the ROC curve (AUC) was calculated. In addition, the rij coefficient value that indicates the relationship between two sets of data was calculated by the using FULLSA program. The map with the highest performance with the AUC value 0.817 and rij value 0.972 is determined as the landslide susceptibility map produced by CGD1 model. In addition, the“high landslide susceptibility”representing areas are best reflected by the landslide susceptibility map was produced by the CGD1 model and the“very high landslide susceptibility”representing areas are best reflected by the landslide susceptibility map was produced by the QP2 model. Moving from these assessments and performance analysis; conjugate gradient descent algorithm is slower than batch back propagation, quick propagation, and Levenberg-Marquardt algorithms yet in terms of the estimated results it is detected as the best. Levenberg-Marquardt algorithm among the tested algorithms is determined as the fastest one and according to its predict performance it is as good as back propagation and quick propagation algorithms. Between the batch back-propagation and the quick propagation algorithms, there is no significant difference in terms of speed and prediction performance.
Benzer Tezler
- Heyelan duyarlılık haritalarının üretilmesinde örneklem stratejileri ve bazı karar verme ağaçları algoritmalarının kullanımı üzerine bir araştırma
An investigation on the use of sampling strategies and some decision tree algorithms in production of landslide susceptibility maps
TOLGA ALKEVLİ
Doktora
Türkçe
2015
Jeoloji MühendisliğiHacettepe ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT ERCANOĞLU
- Evrimsel algoritmalar kullanılarak heyelan duyarlılık haritalarının üretilmesi
Production of landslide susceptibility maps using evolutionary algorithms
TALHA TAŞKANAT
Doktora
Türkçe
2020
Jeodezi ve FotogrametriErciyes ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. ERKAN BEŞDOK
- Coğrafi bilgi sistemleri ortamında makine öğrenmesi ve istatistiksel yöntemler kullanılarak heyelan duyarlılık haritalarının üretilmesi: Rize Taşlıdere havzası örneği
Mapping landslide susceptibility by using machine learning and statistical methods in geographical information systems environment: Rize Taşlidere basin sample
GEHVER ALTÜRK
Yüksek Lisans
Türkçe
2019
Jeodezi ve FotogrametriGebze Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. ARİF ÇAĞDAŞ AYDINOĞLU
- Coğrafi bilgi sistemleri tabanlı heyelan duyarlılık haritalarının oluşturulmasında istatistiksel yöntemlerin ve yapay sinir ağlarının kullanılması: Kumluca-Ulus (Bartın) bölgesi
Usage of statistical techniques and artificial neural networks in producing landslide susceptibility maps based on geographical information systems: Kumluca-Ulus (Bartın) region
NESLİHAN YÜKSEL
Doktora
Türkçe
2007
Jeoloji MühendisliğiHacettepe ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
PROF.DR. HÜSNÜ AKSOY
- Denizli ili için heyelan duyarlılık haritalarının oluşturulması
Preparation of landslide susceptibility maps for Denizli city
MURAT DURGUN
Yüksek Lisans
Türkçe
2019
Jeoloji MühendisliğiPamukkale ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEFER BERAN ÇELİK