Künstliche neuronale Netze zur räumlichen Interpolation von Korngrößenverteilungen mariner Sedimente

En savoir plus sur le livre

Diese Dissertation untersucht, ob und wie Künstliche Neuronale Netze (KNN) als räumliches Interpolationsmodell in geo- und umweltwissenschaftlichen Anwendungen eingesetzt werden können. Für die räumliche Interpolation von Korngrößenverteilungen mariner Sedimente wird ein Modell auf Basis eines Multilayer-Perceptrons entwickelt. Ein zentraler Aspekt ist die Wahl einer geeigneten Netztopologie. Zunächst wird ein Modell zur Approximation einer einzelnen Korngrößenverteilung erstellt, wobei sichergestellt wird, dass diese den Bedingungen einer Verteilungsfunktion entspricht. Dies geschieht durch die Auswahl einer passenden Netztopologie und die Ableitung von Restriktionen für die Verbindungsgewichte im Modell. Im nächsten Schritt wird das Modell um die räumliche Interpolation erweitert. Zusätzlich werden zwei Ansätze zur Integration von Seitensichtsonardaten als zusätzliche Informationsquelle vorgestellt. Der erste Ansatz betrachtet die Seitensichtsonardaten als erklärende Variable. Der zweite Ansatz hingegen orientiert sich an den Grenzen der Regionen ähnlicher Sedimenttypen, die an den Grenzen der Regionen im Seitensichtsonarbild ausgerichtet sind.