Geri Dön

PS-InSAR ve derin öğrenme ile yerkabuğu hareketlerinin kestirimi

Prediction of crustal movements with PS-InSAR and deep learning

PDF İndir

  1. Tez No: 956004
  2. Yazar: SİNAN KUCUR
  3. Danışmanlar: PROF. DR. MURAT UYSAL
  4. Tez Türü: Doktora
  5. Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Afyon Kocatepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 106

Özet

Yerkabuğu hareketleri, özellikle antropojenik etkilerle artan bir problem olup, sürdürülebilir kaynak yönetimi ve afet risk azaltımı için bu hareketlerin izlenmesi ve gelecekteki davranışlarının tahminlenmesi kritik öneme sahiptir. Bu doktora tezi, Afyonkarahisar-Bolvadin'deki yerkabuğu hareketlerinin uzun dönemli analizini ve geleceğe yönelik tahminlerini, PS-InSAR ve derin öğrenme tekniklerini entegre ederek gerçekleştirmeyi amaçlamıştır. Çalışmada, 2015-2024 arasını kapsayan 240 adet Sentinel-1A SAR görüntüsü PS-InSAR tekniğiyle işlenerek yıllık LOS hareket hızı zaman serileri üretilmiştir. Analizler, bölgede +1 ila -14 mm/yıl arasında değişen, genel olarak çökme yönlü ve özellikle yeraltı suyu çekiminin yoğun olduğu güneybatı kesimlerde yoğunlaşan hareketler tespit etmiştir. Bu zaman serileri; LSTM, GRU, TCN, CNN ve Transformer derin öğrenme modelleriyle, Yinelemeli Çok Adımlı Tahmin (RMF) stratejisi kullanılarak 2025-2026 yılları için modellenmiştir. Bulgular, tüm modellerin tek adımlı tahminlerde yüksek başarı (R² > 0.92) gösterdiğini, CNN mimarisinin ise en iyi performansı sergilediğini ortaya koymuştur. RMF projeksiyonları, çökme eğiliminin devam edeceğini öngörmüş, CNN ve LSTM modelleri çok adımlı tahminlerde daha stabil bulunmuştur. Bu çalışma, PS-InSAR ve derin öğrenme entegrasyonunun yüzey hareketlerinin izlenmesi ve anlamlı gelecek tahminleri için potansiyelini göstermiş olup, bölgesel planlama ve yönetim stratejilerine bilimsel bir zemin sunmaktadır. Yardımcı parametrelerin dahil edilmesi ve yer bazlı doğrulama gelecek çalışmalar için önerilmektedir.

Özet (Çeviri)

Crustal movements, which are an increasing problem especially due to anthropogenic effects such as excessive groundwater use, are critically important to monitor and predict for sustainable resource management and disaster risk reduction. This doctoral thesis aimed to perform a long-term analysis of crustal movements in Afyonkarahisar-Bolvadin and their future prediction by integrating PS-InSAR and deep learning techniques. In this study, 240 Sentinel-1A SAR images covering the period 2015-2024 were processed using the PS-InSAR technique to produce annual LOS movement velocity time series. Analyses revealed subsidence-dominated movements in the region, ranging from +1 to -14 mm/year, particularly concentrated in the southwestern parts where groundwater extraction is intensive. These time series were modeled for the years 2025-2026 using LSTM, GRU, TCN, CNN, and Transformer deep learning models with a Recursive Multi-step Forecasting (RMF) strategy. The findings showed that all models exhibited high success (R² > 0.92) in single-step predictions, with the CNN architecture demonstrating the best performance. RMF projections predicted the continuation of the subsidence trend, and CNN and LSTM models were found to be more stable in multi-step predictions. This study has demonstrated the potential of PS-InSAR and deep learning integration for monitoring surface movements and making meaningful future predictions, providing a scientific basis for regional planning and management strategies. The inclusion of auxiliary parameters and ground-based validation are recommended for future studies.

Benzer Tezler

  1. Tez No

    935981

    Model-based aı accelerator design on FPGA with in-depth evaluation of design parameters

    FPGA'de model tabanli yapay zeka hizlandirici tasarimi ve tasarim parametrelerinin derinliğine değerlendirilmesi

    GÖZDE ÖZDİL

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. SIDDIKA BERNA ÖRS YALÇIN

  2. Tez No

    828572

    InSAR ve makine öğrenmesi yöntemleri kullanılarak yüzey hareketlerinin zaman serileri ile modellenmesi: İstanbul Havalimanı örneği

    Time series modeling of surface movements using InSAR and machine learning methods: The case study of Istanbul Airport

    NUR YAĞMUR

    Doktora

    Türkçe

    Türkçe

    2023

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. NEBİYE MUSAOĞLU

    PROF. DR. ERDAL ŞAFAK

  3. Tez No

    930927

    Potentiation of photodynamic inactivation of staphylococcus aureus using inorganic salts

    İnorganik tuzlar kullanılarak staphylococcus aureus'un fotodinamik inaktivasyonunun güçlendirilmesi

    HANİFE ÖZHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    BiyomühendislikBoğaziçi Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA KEMAL RUHİ

  4. Tez No

    438167

    Şekillendirilmiş lazer hüzmelerinin yüksek saçılmalı ortamla etkileşimleri

    Interactions of shaped laser beams with highly scattering media

    TANSU ERSOY

    Doktora

    Türkçe

    Türkçe

    2016

    Fizik ve Fizik Mühendisliğiİstanbul Teknik Üniversitesi

    Fizik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SELÇUK AKTÜRK

  5. Tez No

    25554

    Aspect verbal en grec Istanbouliote: modele de description fonctionnaliste

    Başlık çevirisi yok

    EMİNE YAVAŞGEL

    Yüksek Lisans

    Fransızca

    Fransızca

    1993

    Dilbilimİstanbul Üniversitesi

    Yabancı Diller Eğitimi Ana Bilim Dalı

    PROF. DR. NÜKHET GÜZ

Geri Dön