A comparison of various interpolation methods in prediction and validation of marine gravity data
Deniz gravite verilerinin belirlenmesinde ve kontrol edilmesinde farklı interplasyon yöntemlerinin karşılaştırılması
- Tez No: 657644
- Danışmanlar: DOÇ. DR. BİHTER EROL
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Geomatik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Geomatik Bilim Dalı
- Sayfa Sayısı: 104
Özet
Yerçekimi kuvveti (gravite), dünyanın şeklini oluşturan kuvvetlerin başında gelmektedir. Bu nedenle gravite ölçmeleri, dünyanın şeklinin yüksek doğruluklu olarak modellenmesini konu edinen Jeodezi bilim dalı için büyük önem taşımaktadır. Gravite verileri, Jeofizik bilim dalının da konusu olan Dünya'nın içindeki kütle dağılımı hakkında fikir sahibi olmamızı sağlar. Gravite değişimlerinin haritalanması, doğal kaynakların belirlenmesi için önemli bir araçtır. Farklı sektörler tarafından yürütülen çalışmalarda raster ya da grid biçiminde verilere ihtiyaç duyulmaktadır. Ancak yeryüzünün fiziksel şekli ve genişliği sebebiyle gravite gözlemleri yeteri sıklıkta yapılamamaktadır. Bu sebeple ulaşılamayan bölgeler için enterpolasyon yöntemleri kullanılır. Gözlenen noktalardaki verileri baz alarak eksik veya istenilen noktaların verilenini hesaplayan enterpolasyon yöntemleri, birçok farklı disiplinde kullanılmaktadır. Jeodezide gravite anomalileri, geoidi hesaplamak için enterpole edilmelidir. Aynı zamanda Jeofizikte de, verilerin görselleştirilmesi ve diğer işlemler için de gravite anomalileri, enterpole edilerek kestrimler yapılır. Bilgisayar teknolojisinin gelişmesiyle birçok farklı enterpolasyon yöntemleri kullanılmaktadır. Tahmin edilen gravite anomalilerinin dogrulugu esses olarak seçilen enterpolasyon algoritmasıya ve kullanılan verilere bağlıdır. Çeşitli enterpolasyon teknikleri farklı alanlar için yapılan tahminlerde kullanılmaktadır. Çalışma prensiplerine göre jeoistatistik (Kriging), jeoistatistik olmayan, derin öğrenme yöntemleri ve birleşik yöntemler olarak sınıflandırılırlar. Seçilen enterpolasyon yöntemi, tahminlerin doğruluğu için önemli bir faktördür ; uygun olmayan tekniklerin kullanılması beklenen sonuçlardan farklı sonuçlar verebilir. Konumsal enterpolasyon tekniklerinin karşılaştırılması konusunda birçok çalışmalar yapılmıştır. Gravite anomalileri için en çok kullanılan enterpolasyon yöntemler arasında Kriging ve En Küçük Kareler (least squares Collocation LSC) yer almaktadır ancak son yıllarda bilgisayarların gelişmesine paralel olarak, insan beyni ve sinir sisteminin işlevselliğini taklit ederek yapay sinir ağı (YSA ) geliştirilmiştir. Yapay sinir ağları, mekansal modelleme ve eksik verilerin tahmin etmek için önemli bir araç oldu. Yapay sinir ağlarındaki klasik yöntemlerden farklı olarak, verilerin doğası hakkında yapılan hiçbir varsayım yoktur. Bu nedenle YSA, klasik teknikler kullanılırken modellenmesi zor olan karmaşık veya doğrusal olmayan yapıya sahip verileri modellemek için kullanılması daha çok tercih edilir. YSA kullanmanın bir başka avantajı da, birincil değişkene ön bilgi veya ek bilgi eklenerek tahmin doğruluğunun iyileştirilebilmesidir. Bu potansiyeller göz önüne alındığında, YSA mekansal interpolasyon alanında giderek daha fazla kullanılmaktadır. Son dönemlerde, hava kirliliği , su kalitesi, ozon seviyelerini , jeoid yükseklikleri ve hava sıcaklığı tahminleri için YSA yöntemleri başarıyla kullanılmıştır. Buna karşılık, bazı araştırmalar yeterli doğrulukta modeller üretmek için YSA tekniklerinin klasik yöntemlerden daha fazla veriye ihtiyaç duydu˘gunu belirtmiştir . Veri modelleme için YSA kullanmanın bir başka dezavantajı aşırı öğrenme (overfitting) olarak tanıtılıyor: YSA tarafından üretilen modellerin, verilere iyi uyan ancak tahmin doğruluğu açısından zayıf , ve literatürde geleneksel yöntemlerin YSA yöntemlerden daha iyi performans gösterdiği çalışmalar da bulunabilir. Bu çalışma kapsamında, klasik enterpolasyon yöntemler; kriging (OK), Biharmonic spline, Doğal Komşuluk (Natural neighbor NNI) , En Yakın Kom¸su (Nearest Neighbor NN), Ters mesafe a˘gırlıklı (Inverse distance weighting IDW), Global polinomlarla regresyon GPI (polynomial regression- simple planar surface, bilinear saddle), Local polinomlarla regresyon LPI, Radyal Tabanlı Fonksiyon (Radial Basis Functions RBFs) ve Yapay Sinir Ağlarının bir yöntemi olan Multilayer Perceptron (MLP) 'dir karşılaştırılmıştır. Bu tezde Akdeniz ve Karadeniz'de bulunan iki alan üzerinde çalışma yapılmıştır. Gemiler üzerinde yapılan ölçmelerden alınan serbest gravite anomalileri, Uluslararası Gravimetrik Bureau BGI tarafından sağlanmıştır. Bunun yanında Danimarka Teknik Üniversitesi uydu altimetre verileri (DTU13) ve Smith ve Sandwell modellerinin serbest hava gravite anomalileri de kullanılmıştır. Enterpolasyon algoritmalarının doğruluğunu değerlendirmek için iki yaklaşım kullanılmıştır, Çalışma alanlarında, K-fold çapraz doğrulama ve test noktaları seçilerek algoritma doğruluğu değerlendirilmiştir. K-fold tekniği, veriyi neredeyse boyutları eşit olan K alt örneklerine rastgele bölerek çalışır. İşlem K defa tekrarlanır, böylece k alt-örneklem her biri bir kez test verisi olarak kullanılır. K katlamanın ana avantajı, tüm örneklerin egitim (training) ve doğrulama (validation) için kullanılmasıdır . Bu çalışmada 5 k fold cross-validation kullanılmıştır. Bu, verilerin sırasıyla 5 eğitim (training) ve doğrulama (validation) alt-örneklemine bölündüğü anlamına gelir ve her doğrulama veri seti orjinal verilerin yüzde 20'sinden oluşur. İkinci yaklaşım, test noktalarını seçmekti. Her veri setinden homojen olarak yüzde 10 seçildi ve enterpolasyon tekniklerinin performansını değerlendirmek için kullanıldı. Son olarak, interpolasyon yöntemleri tahmin hatalarının göre (model tarafından tahmin edilen veriler ile gözlemlenen veriler arasındaki farklar) karşılaştırılmıştır. İstatistiksel performans ölçütlerine göre OK, NN, IDW, RBF ve MLP, çalışmada kullanılan tüm deniz gravite veri setlerinde eksik değerleri tahmin etmek için iyi sonuçlar vermişlerdir. Sandwell ve DTU'nun her iki veri seti için, RBF'ler en iyi performansı vermiştir; Her iki veri setinde aynı uydu verileri kullanılmıştır. NNI, Akdeniz'in BGI verilerini tahmin etmek için en iyi performansı vermiştir. MLP'yi uygulamak, parametrelerini seçmek için birçok deneme ve eğitim için daha uzun bir süre gerektirse de, MLP umut verici sonuçlar vermiş ve free-air deniz yerçekimi verilerinin eksik değerlerini tahmin etmek için iyi bir yöntemi olduğunu kanıtlanmıştır. GPI ve LPI, tüm veri setlerinde eksik değerleri tahmin etmede zayıf performansa sahip olmuştur., bu nedenle, her iki yöntemin de kısa mesafeli varyasyonlara sahip verilerin enterpolasyonu için uygun uygun olmadığı sonuçlandırılabilir. Eskiden, deniz gravite verileri haritalanması yalnızca gemiler tarafından toplanan seyrek ölçümlere dayanıyordu ve bu, deniz yerçekimi alanı hakkında ayrıntılı bilgi vermek için yeterli değildir. Uydu altimetresi, deniz yerçekimini incelemek için alternatif bir yol sağlar. batimetrik bilginin varlı˘gıyla, altimetrik veriler free-air yerçekimi anormalliklerine dönüştürülebilir. Yine de uydu altimetrik yerçekimi verilerinin kalitesinin sığ sularda düştüğü bilinmektedir, bunun sebebi, yüksek deniz yüzeyi değişkenliği ve karadaki reflektör girişiminin neden olduğu altimetre izleme kaybıdır. Uydu altimetrisinden elde edilen yerçekimi verilerinin gemilerden alınan verilerle birleştirmesi, deniz yerçekimi kaynaklarının sınırlamalarını ortadan kaldırmakta ve yüksek kapsama alanına sahip doğru bir deniz yerçekimi modeli elde etme şansı sağlamaktadır. Birçok uydu deniz yerçekimi veri seti mevcuttur ve bunları gemi kaynaklı verilerle birle¸stirmeden önce çalı¸sma alanını daha iyi temsil eden birini seçmek gerekir. Uydu modellerinin doğruluğunun belirlemesi, genellikle gemilerden alınan ölçümlerle karşılaştırılarak gerçekleştirilir. Uydu altimetri yerçekimi verilerinin doğruluğu, gemiden alınan verilerle ilgili olarak su derinlikleriyle değerlendirildi ve analiz edildi. ˙İki veri seti karşılaştırıldı, bunlar Danimarka Teknik Üniversitesi (DTU13) tarafından sağlanan veri seti ve Smith ve Sandwell'in en son sürümüdür (SSv29.1). Gemiden alınan yerçekimi verilerin ile SSv29.1 ve DTU13 uydu altimetrik free-air yerçekimi verileri arasındaki farkların genel standart sapması Akdeniz'de [8.5 mGal, 9.93 mGal] ve Karadeniz'de [10.3 mGal, 9 mGal] dir. Genel olarak, her iki veri seti de gemideki verilere benzer bir uyum sağladı, ancak SSv29.1 modelinden elde edilen veriler gemilerden alınan verilere biraz daha iyi uymaktadır. Altimetrik veriler ile gemilerden alınan veriler arasındaki varyasyonun daha sığ su derinliği aralıklarında daha yüksek olduğu görülmüştür.
Özet (Çeviri)
Both geodesy and geophysics require regularly gridded gravity data. However, the available gravity measurements are usually scarce and not sufficient to produce detailed information about the marine gravity field. By using interpolation, observations at unknown locations can be predicted, and a uniform grid of gravity measures can be constructed. Spatial interpolation has been used for a long time, and it has been developing ever since, resulting in a variety of different interpolation techniques. Gravity data is usually predicted using classical methods. As these techniques are limited by being data-specific, and generally inappropriate for modelling nonlinear data, methods of deep learning such as Multilayer Perceptron (MLP) networks were introduced to overcome such limitations. MLP networks have their own drawbacks such as the accuracy of their estimations being highly dependent on the adequacy of the training data. This thesis presents a comparison between several interpolation methods commonly used for interpolating marine gravity data. These are Kriging, Biharmonic Spline, Natural Neighbor (NNI), Nearest Neighbour (NN), Inverse Distance Weighting (IDW), Global Polynomial (GPI), Local Polynomial (LPI), Radial Basis Function (RBFs), and Multilayer Perceptron (MLP) which is a method of Artificial Neural Networks. The accuracy of these techniques is tested by interpolating different data sets of marine gravity data, using K fold cross-validation techniques as a performance criterion. Additionally, test points were selected homogeneously and used in the comparison process. Biharmonic Splines performed the best for most of the datasets. Global Polynomials and Local Polynomials were found to be an inappropriate interpolator for gravity data. Natural Neighbour, Nearest Neighbour, Kriging and Inverse Distance Weighting gave similar results. For all datasets, Multilayer Perceptron Networks had promising results. The free air gravity anomalies of the Danish Technical University (DTU13) and the Smith and Sandwell models were compared to the shipborne data, and their accuracy was analyzed with water depth. The standard deviation of the difference between shipborne data and altimetry data is 8.5 mGal for the SSv29.1 and 9.93 mGal for the DTU13 in the Mediterranean Sea. For the Black Sea, the difference had a standard deviation of 9.98 mGal for the SSv29.1 and 10.31 mGal for the DTU 13. The differences between shipborne gravity and altimetric gravity were observed to be higher in the shallowest parts of the sea.
Benzer Tezler
- Comparison between blade element momentum theory and computational fluid dynamics methods for performance prediction of marine propellers
Gemi pervanelerinin performansının belirlenmesinde kanat elemanı momentum teorisinin ve hesaplamalı akışkanlar dinamiği yöntemlerinin karşılaştırılması
KAYHAN ÜLGEN
Yüksek Lisans
İngilizce
2017
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR BAL
- İki boyutlu yalpa hareketindeki hidrodinamik katsayıların interpolasyonlu parçacık hidrodinamiği yöntemi ile hesaplanması
Calculation of hydrodynamics coefficients for rolling in two dimension by particle hydrodynamics method
ONUR ÖLMEZ
Doktora
Türkçe
2016
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER GÖREN
- Havayolu yolculuk deneyimini iyileştirmek için makine öğrenmesi yöntemleriyle uçuş gecikmesi tahmini
Machine learning techniques for enhancing airline passenger experience through flight delay prediction
ESMA ERGÜN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA
- A fast 3d flow field prediction around bluff bodies using deep learning
Derin öğrenme kullanılarak küt cisimler etrafındaki 3 boyutlu akış alanının tahmini
FARHAD NEMATI TAHER
Yüksek Lisans
İngilizce
2023
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDUSSAMET SUBAŞI
- Eğik şok kaynaklı laminer sınır tabaka ayrılmasının hesaplamalı yöntemlerle incelenmesi
Computational simulations of oblique shock induced laminar boundary layer separations
HASAN AVŞAR
Yüksek Lisans
Türkçe
2017
Havacılık Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BAYRAM ÇELİK