Mevlüt GÜLLÜ, Tamer BAYBURA, Bayram TURGUT

Jeoid Yüksekliklerinin Belirlenmesinde Yapay Sinir Ağları ve Kriging Enterpolasyon Yöntemlerinin Karşılaştırılması

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.

The Comparison of Artifical Neural Networks and Kriging Interpolation Method fort he Geoid Height Determination

Global Navigation Satellite System (GNSS) in the determination of vertical datums have been used since 2001 with the spread of satellite technologies in Turkey. The heights given by the GNSS system are ellipsoidal heights. However, Turkish National Vertical Control Network-1999 (TNVCN-1999) is based on the orthometric height system. Geoid heights are required in order to transform the ellipsoidal heights obtained by GNSS measurements to the orthometric heights. The objective of this study is to determine the geoid heights by Artificial Neural Networks (ANN) and Kriging interpolation method. Kriging method that is one of the interpolation methods widely used and Radial Basis Function Neural Networks (RBFNN) have been compared over the test network consisting of selected points in Afyonkarahisar. The differences between geoid heights calculated by RBFSA and Kriging methods and known geoid heights were evaluated in terms of root mean square error and better results were achieved by RBFNN method.

PDF

___

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 field 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.