Akademik Veri Yönetim Sistemi
GEOMATIK, cilt.10, sa.1, ss.65-74, 2025 (ESCI)
Bu çalışmada, derin öğrenme algoritmalarından olan Uzun Kısa Süreli Bellek (LSTM) ve Geçitli Tekrarlayan Birim (GRU) ile GNSS istasyon verilerinin Kuzey, Doğu ve Düşey bileşenleri için ileriye dönük ayrı ayrı kestirimler yapılarak, istasyon bazında eğitilen modeller ve tüm istasyon verilerinin birlikte eğitildiği tek model performansları karşılaştırılarak model yönetiminin performanslar üzerine etkisi incelenmiştir. Her bir GNSS istasyonu için ayrı modellerin kullanıldığı Senaryo I ve toplu verilerle tek bir birleşik modelin kullanıldığı Senaryo II için model performansı, ortalama karekök hata (RMSE), ortalama mutlak hata (MAE) ve belirleme katsayısı (R²) kullanılarak Doğu, Kuzey ve Düşey bileşenler için değerlendirilmiştir. GRU algoritmasıyla Doğu bileşen için ortalama RMSE değeri Senaryo I ve II için sırayla 1.68 ve 1.67 mm, MAE değeri 1.24 ve 1.27 mm; Kuzey bileşen için RMSE değeri 1.70 ve 1.72 ve MAE değeri 1.32 ve 1.33 mm, Düşey bileşen için RMSE 4.50 ve 4.43 mm ve MAE 3.58 ve 3.50 mm’dir. Bulgular tek model yaklaşımının model yönetimini basitleştirilerek özellikle daha homojen veri özelliklerine sahip bölgelerde, ayrı ayrı eğitilmiş modellerle karşılaştırılabilir doğruluk elde edebileceğini göstermektedir.