Dergiler / Yerbilimleri / 2021 / Cilt: 42 - Sayı: 3

İki Boyutlu Radyo-Manyetotelürik Verilerin Doğrusal Olmayan Yüzdelik Süzgeç ile Parçacık Sürüsü Optimizasyonu Kullanılarak Modellenmesi

Sayfa
301–311
Yayın Tarihi
2021-12-23
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

İşlecin başarısı hem yapay hem de arazi veri kümeleri üzerinde gösterilmiş ve sonuçları kıyaslanmıştır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Jeofizik verilerin modellenmesi amacıyla kullanılan geleneksel ters çözüm yöntemlerinde, yuvarlatıcılı ve keskin sınırlı modelleme için genelde türev tabanlı durağanlaştırıcılar kullanılır.
📊
Temel Bulgular & Veri:Bu çalışmada, görüntü işleme uygulamalarında sıklıkla kullanılan, doğrusal olmayan bir görüntü işleme süzgeci olan yüzdelik süzgeç kullanılarak görece verimli bir Global Optimizasyon yaklaşımı geliştirilmiştir.
💡
Sonuç & Katkı:İşlecin başarısı hem yapay hem de arazi veri kümeleri üzerinde gösterilmiş ve sonuçları kıyaslanmıştır.
🔬Tür:Deneysel Tarla Denemesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:RMT · PSO · 2B modelleme

Özet

Jeofizik verilerin modellenmesi amacıyla kullanılan geleneksel ters çözüm yöntemlerinde, yuvarlatıcılı ve keskin sınırlı modelleme için genelde türev tabanlı durağanlaştırıcılar kullanılır. Bu yöntemler genelde verilerin model parametrelerine göre kısmi türevlerinden oluşan Jacobian matrisinin hesabına gereksinim duyar. Buna karşın, Jacobian dizeyi çoğu Global Optimizasyon yöntemi için gereksizdir ve en uygun model “deneme yanılma” ile belirlenir. Bu çalışmada, görüntü işleme uygulamalarında sıklıkla kullanılan, doğrusal olmayan bir görüntü işleme süzgeci olan yüzdelik süzgeç kullanılarak görece verimli bir Global Optimizasyon yaklaşımı geliştirilmiştir. Yöntemin başarısı, evrimsel Global Optimizasyon yöntemi olan Parçacık Sürüsü Optimizasyonu kullanılarak gösterilmiştir ve Radyo-Manyetotelürik verilerin 2 Boyutlu modellenmesi için uygulanmıştır. Geliştirilen işleçte, yüzdelik süzgecin model parametrelerindeki yüksek frekanslı değişimleri atarken yapı sınırlarını koruduğu gözlenmiştir. Ayrıca, yuvarlatıcı Gauss süzgeciyle kıyaslandığında daha az yineleme gerektirdiği belirlenmiştir. İşlecin başarısı hem yapay hem de arazi veri kümeleri üzerinde gösterilmiş ve sonuçları kıyaslanmıştır.

🔖

Bu Makaleye Atıf Yap

KARCIOĞLU, G. (2021). İki Boyutlu Radyo-Manyetotelürik Verilerin Doğrusal Olmayan Yüzdelik Süzgeç ile Parçacık Sürüsü Optimizasyonu Kullanılarak Modellenmesi. Yerbilimleri, Cilt: 42 - Sayı: 3, 301–311. https://ajindex.com/articles/711177

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (10)

  1. Akça, I., Başokur, A.T., 2010. Extraction of structure-based geoelectric models by hybrid genetic algorithms. Geophysics 75 (1), F15–F22. Akça, İ., Günther, T., Müller-Petke, M., Basokur, A.T., Yaramanci, U., 2014. Joint parameter estimation from magnetic resonance and vertical electric soundings using a multiobjective genetic algorithm. Geophys. Prospect. 62 (2), 364–376.
  2. Attwa, M., Akca, I., Basokur, A. T., & Günther, T., 2014. Structure-based geoelectrical models derived from genetic algorithms: a case study for hydrogeological investigations along Elbe River coastal area, Germany. Journal of Applied Geophysics, 103, 57-70.
  3. Candansayar, M.E., Tezkan, B., 2008. Two-dimensional joint inversion of radiomagnetotelluric and direct current resistivity data. Geophys. Prospect. 56 (5), 737–749.
  4. Clerc, M., Kennedy, J., 2002. The particle swarm–explosion, stability, and convergence in a multidimensional complex space. IEEE Trans. Evol. Comput. 6 (1), 58–73. deGroot-Hedlin, C., Constable, S., 1990. Occam inversion to generate smooth, 2-dimensional models from magnetotelluric data. Geophysics 55 (12), 1613–1624. de Groot-Hedlin, C., & Constable, S., 2004. Inversion of magnetotelluric data for 2D structure with sharp resistivity contrasts. Geophysics, 69(1), 78-86.
  5. Karcıoğlu, G., Gürer, A., 2019. Implementation and model uniqueness of Particle Swarm Optimization method with a 2D smooth modeling approach for Radio-Magnetotelluric data. Journal of Applied Geophysics, 169, 37-48.
  6. Kelbert, A., Meqbel, N., Egbert, G. D., & Tandon, K., 2014. ModEM: A modular system for inversion of electromagnetic geophysical data. Computers & Geosciences, 66, 40-53.
  7. Kennedy, J., 2003. Bare bones particle swarm. Proc. IEEE SIS, Apr. 2003, pp. 80–87.
  8. Li, X., Yao, X., 2011. Cooperatively Coevolving Particle Swarms for large Scale Optimization. IEEE Trans. Evol. Comput. 16 (2), 210–224.
  9. Mehanee, S., Zhdanov, M., 2002. Two‐dimensional magnetotelluric inversion of blocky geoelectrical structures. Journal of Geophysical Research: Solid Earth, 107(B4), EPM-2. Montes de Oca, M.A., Van den Enden, K., Stützle, T., 2008. Incremental particle swarmguided local search for continuous optimization. In: Blesa, M.J., vd. (Eds.), LNCS 5296. Proceedings of the InternationalWorkshop on HybridMetaheuristics. Springer, Berlin, Germany, pp. 72–86.
  10. Montesinos, F.G., Arnoso, J., Vieira, R., 2005. Using a genetic algorithm for 3-D inversion of gravity data in Fuerteventura (Canary Islands). Int. J. Earth Sci. 94 (