Bu çalışmada, yakın geçmişte önerilen sürü temelli yeni metasezgisellerden biri olan yapay arı kolonisi algoritması (YAKA), sonsuz uzunlukta eğimli levha tipi yapıların neden olduğu doğal uçlaşma belirtilerinin ters çözümünde kullanılmıştır. Bal arılarının akıllı besin arama davranışından esinlenerek geliştirilen YAKA, optimizasyonda sadece koloni büyüklüğü ve maksimum döngü sayısı olmak üzere iki kontrol parametresi kullanmaktadır. Bu tez çalışması kapsamında, bu parametrelerin çözüm üzerindeki etkisi araştırılmıştır. Belirlenen optimum parametrelerle, YAKA kuramsal ve arazi belirtileri üzerinde uygulanmıştır. Kuramsal çalışmalarda algoritmanın etkinliği gürültü eklenen veri kümeleri üzerinde ve iki yapı içeren bir model üzerinde test edilmiştir. Alan uygulamalarında, Bavyera (Almanya) ve Surda (Hindistan) belirtileri değerlendirilmiştir. Bu çalışmalardan elde edilen sonuçlar algoritmanın model parametreleri için başarılı kestirimler sağladığını ve görece küçük boyutlu jeofizik optimizasyon problemlerinin ters çözümü için oldukça umut verici bir araç olabileceğini göstermiştir. Anahtar Kelimeler: Yapay Arı Koloni Algoritması, Metasezgisel, Ters Çözüm, Doğal Uçlaşma.
In this study, the artificial bee colony (ABC) algorithm, one of the most recently proposed swarm-based metaheuristics, was used for inversion of self-potential anomalies caused by an inclined sheet lying infinite horizontal extent. ABC, inspired by the intelligent foraging behavior of honey bees, uses only two control parameters for optimization including colony size and maximum cycle number. In the scope of this thesis, the effect of these parameters on the solution was investigated. ABC was applied to theoretical and field anomalies with the optimum parameters determined. In theoretical studies, the efficiency of the algorithm was tested on data sets with noise and a model containing two structures. Bavarian (Germany) and Surda (India) anomalies were evaluated in the field applications. Results of these studies showed that the algorithm provides successful estimates for model parameters and can be a promising tool for inversion of relatively low-dimensional geophysical optimization problems. Keywords: Artificial Bee Colony Algorithm, Meteheuristic, Inversion, Self-potential.
Tez (Yüksek Lisans) - Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, Jeofizik Anabilim Dalı, 2021.
Kaynakça var.
Bu çalışmada, yakın geçmişte önerilen sürü temelli yeni metasezgisellerden biri olan yapay arı kolonisi algoritması (YAKA), sonsuz uzunlukta eğimli levha tipi yapıların neden olduğu doğal uçlaşma belirtilerinin ters çözümünde kullanılmıştır. Bal arılarının akıllı besin arama davranışından esinlenerek geliştirilen YAKA, optimizasyonda sadece koloni büyüklüğü ve maksimum döngü sayısı olmak üzere iki kontrol parametresi kullanmaktadır. Bu tez çalışması kapsamında, bu parametrelerin çözüm üzerindeki etkisi araştırılmıştır. Belirlenen optimum parametrelerle, YAKA kuramsal ve arazi belirtileri üzerinde uygulanmıştır. Kuramsal çalışmalarda algoritmanın etkinliği gürültü eklenen veri kümeleri üzerinde ve iki yapı içeren bir model üzerinde test edilmiştir. Alan uygulamalarında, Bavyera (Almanya) ve Surda (Hindistan) belirtileri değerlendirilmiştir. Bu çalışmalardan elde edilen sonuçlar algoritmanın model parametreleri için başarılı kestirimler sağladığını ve görece küçük boyutlu jeofizik optimizasyon problemlerinin ters çözümü için oldukça umut verici bir araç olabileceğini göstermiştir. Anahtar Kelimeler: Yapay Arı Koloni Algoritması, Metasezgisel, Ters Çözüm, Doğal Uçlaşma.
In this study, the artificial bee colony (ABC) algorithm, one of the most recently proposed swarm-based metaheuristics, was used for inversion of self-potential anomalies caused by an inclined sheet lying infinite horizontal extent. ABC, inspired by the intelligent foraging behavior of honey bees, uses only two control parameters for optimization including colony size and maximum cycle number. In the scope of this thesis, the effect of these parameters on the solution was investigated. ABC was applied to theoretical and field anomalies with the optimum parameters determined. In theoretical studies, the efficiency of the algorithm was tested on data sets with noise and a model containing two structures. Bavarian (Germany) and Surda (India) anomalies were evaluated in the field applications. Results of these studies showed that the algorithm provides successful estimates for model parameters and can be a promising tool for inversion of relatively low-dimensional geophysical optimization problems. Keywords: Artificial Bee Colony Algorithm, Meteheuristic, Inversion, Self-potential.