Bu çalışmada, robust En Küçük Medyan Kareler Yöntemi (EKMKY) bir nivelman ağına global bir doğal optimizasyon algoritması olan YA kullanılarak uygulanmış ve kaba hatalı gözlem vektörü olması durumunda önerilen yaklaşımın klasik En Küçük Kareler Yöntemi (EKKY)’nden daha iyi sonuç verdiği sayısal bir örnek ile gösterilmiştir.
📌 3 Key Takeaways
🎯
Objective & Hypothesis:Günümüzde, Yarasa Algoritması (YA) gibi modern metasezgisel algoritmalar zor optimizasyon problemlerinin çözümünde başarılı bir şekilde kullanılmaktadır.
📊
Key Findings & Data:Jeodezi’de robust parametre kestirim yöntemlerinin jeodezik ağlara uygulanması önemli bir optimizasyon problemidir.
💡
Conclusion & Impact:Bu çalışmada, robust En Küçük Medyan Kareler Yöntemi (EKMKY) bir nivelman ağına global bir doğal optimizasyon algoritması olan YA kullanılarak uygulanmış ve kaba hatalı gözlem vektörü olması durumunda önerilen yaklaşımın klasik En Küçük Kareler Yöntemi (EKKY)’nden daha iyi sonuç verdiği sayısal bir örnek ile gösterilmiştir.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Jeodezik ağ · global optimizasyon · yarasa algoritması
Özet
Günümüzde, Yarasa Algoritması (YA) gibi modern metasezgisel algoritmalar zor optimizasyon problemlerinin çözümünde başarılı bir şekilde kullanılmaktadır. Jeodezi’de robust parametre kestirim yöntemlerinin jeodezik ağlara uygulanması önemli bir optimizasyon problemidir. Bu çalışmada, robust En Küçük Medyan Kareler Yöntemi (EKMKY) bir nivelman ağına global bir doğal optimizasyon algoritması olan YA kullanılarak uygulanmış ve kaba hatalı gözlem vektörü olması durumunda önerilen yaklaşımın klasik En Küçük Kareler Yöntemi (EKKY)’nden daha iyi sonuç verdiği sayısal bir örnek ile gösterilmiştir.
Baselga,S. (2007). Global optimization solution of robust estimation. Journal of Surveying Engineering 133:3, 123-128.
Baselga, S. ve Garcia-Asenjo, L. (2008). Global robust estimation and its application to GPS positioning. Computers and Mathematics with Applications 56:3, 709-714.
Hekimoğlu, Ş. (2005). Do robust methods identify outliers more reliably than conventional tests for outliers?. Zfv-Zeitschrift für Geodäsie, Geoinformation und Landmanagement 130:3, 174-180.
Kuang, S.L. (1996). Geodetic Network Analysis and Optimal Design: Concepts and Applications, Ann Arbor Press Inc., Chelsea, MI. Rousseeuw,P.J. ve Leroy, A.M. (1987). Robust Regression and Outlier Detection, Wiley, NY. Yang, X.S. (2010). Nature-Inspired Metaheuristic Algorithms Second Edition,
Luniver Press,
University of Cambridge, U.K. Yetkin, M. ve Berber, M. (2013). Application of the sign-constrained robust least squares method to surveying networks. Journal of Surveying Engineering 139:1, 59-65.
Yetkin, M. ve Berber, M. (2014). Implementation of robust estimation in GPS networks using the artificial bee colony algorithm. Earth Science Informatics 7:1, 39-46.
Yetkin, M. ve Berber, M. (2018). Application of robust estimation in geodesy using the harmony search algorithm. Journal of Spatial Science 63:1, 63-73.