הפחתת ההסכמה של סקרי הידרוגרפיים באמצעות טכניקות של הצלב-הההרסה

סקרים הידרוגרפיים מספקים את הנתונים הבסיסיים עבור ניווט ימי בטוח, ניהול אזור החוף, בנייה offshore, ניטור סביבתי. כמו טכנולוגיות מיפוי תת-ימי מתפתח, הביקוש להערכות דיוק קוונטיות הפך להיות רב-חשיבות. טכניקות של קרוס-האימות מציעים מסגרת קפדנית, מונחה נתונים על מנת להעריך ולשפר את האמינות של מדידות הידרוגרפיים.על ידי חלוקת נתונים והשוואה עצמאית תת-קבוצות, הידרוגרף יכול לזהות שגיאות שיטתיות, לקבוע את עקרונות היסוד של יישום, או יישום בפועל, או מיפוי.

יסודות של סקרים הידרוגרפיים

סקרים הידרוגרפיים מודרניים מעסיקים חבילה של טכנולוגיות רגישות מרחוק כדי למדוד עומק מים, קרקעית ים מורפולוגיה, וסיכון מתחת למים.הפלטפורמות הנפוצות ביותר כוללות צלילי ד"ר רבבים, קולנים בודדים-beam, סונר קנאי צד בצד, וגילוי אטריות אוויריות איטיות יותר לידרמטיות LIDAR. לכל מערכת יש נקודות ומגבלות שונות במונחים של כיסוי, רזולוציה, עומק ומולטימדיה, למשל, עבור מיפוי אווירי מים מקיפים, כגון מיפוי אוויריחות אווירי תיבות של מים טמפרטורות קלות, חוצות.

ללא קשר לחיישן, כל סקרים הידרוגרפיים חולקים מטרה משותפת: לייצר נתונים גיאו-ספטיים המייצגים במדויק את הסביבה התת-ימית.השגת זה דורש תכנון זהיר, קלמנט הולם, ובקרת איכות קפדנית.דיוק של סקר הוא בדרך כלל ביטוי במונחים של יציבות אופקית ואי ודאות אנכית, לאחר סטנדרטים כגון פרסום S-44 של ארגון הידרוגרפי הבינלאומי.

מקורות שגיאה בנתונים הידרוגרפיים

גם עם ציוד המדינה-of-the-art, גורמים רבים מציגים אי ודאות במדידות הידרוגרפיים.הבנת מקורות השגיאה האלה חיוני לתכנון אסטרטגיות cross-validation יעילות. שגיאות instrumental עולות מ calibration חיישן לא מושלם, beam זווית ערפל, או תזמון inaccuracacacies. Environmental גורמים, כגון טמפרטורת מים, סליטי, ועצבנות, משפיעים על מהירות הקול ועום יכול לקלקל את רמות האבטחה של קבצים, או לסבך עוד יותר, כמו גם את מהירות עיבוד נתונים, או שגיאות מהירות אבטחה, וכן לסינון מהירות אבטחה, או עיוות, שגיאות מהירות אבטחה, או עיוות, הדבקה מהירה יותר, כמו גם ממהירות אבטחה, הדבקה של חומרים סביבתיים.

מקורות פחות ברורים כוללים שגיאות שיטתיות הקשורות לתכנון סקר, כגון אוריינטציה קו ספארית או קו תת-אופטימית.טעות אנושית ב- מיפוי או עריכת ידני ממלא תפקיד.בהתחשב המורכבות של גורמים אינטראקציה אלה, בדיקות איכות מסורתיות חד-מטריות (למשל, עומק נקודה בהשוואה ליחס) עשוי להיות לא מספיק.

תפקיד הצלב-הההתמדה באיכות

Cross-validation היא טכניקה סטטיסטית שפותחה במקור בלמידה של מכונות ומודלים חיזוי, אבל עקרונותיה מתורגמים באופן טבעי להבטחת איכות הידרוגרפית.הרעיון הליבה הוא להעריך את הביצועים של המודל על נתונים שלא בשימוש במהלך יצירתו.ב הידרוגרפיה, "מודל" יכול להיות מודל של עלייה דיגיטלית (DEM), משטח המייצג את קרקעית הים, או אלגוריתם לתיקון מהירות הקול.

גישה זו היא מעולה על בדיקות עקביות פנימיות פשוטות כי היא שומרת על overfitting ומגלה הטיות נסתרות.לדוגמה, אם DEM בנוי באמצעות כל הצלילים הזמינים ולאחר מכן מוערכת על אותם הצלילים, מדדי השגיאה יהיו נמוכים באופן אופטימי.פול-validation שובר את ההיגיון המעגלי הזה על ידי הבטחת הגדרת הערכה היא באמת עצמאית בפועל, הידרוגרף יכול ליישם את הפחתת הפחתת הפחתת הפחתת הפחתת הפחתת הדיוק או בדיקת דיוק, או את הדחיסות של שיטות שונות של דיוק, או ירידה של דיוק, או ירידה של דיוק, או ירידה של דיוק שונה של שיטות תצפית.

גישה משותפת לצלב-התמדה

מספר תוכניות של גלגול צלב מתאימים ליישומים הידרוגרפיים.הבחירה תלויה במבנה הנתונים, בגודל הסקר, והשאלה הספציפית של הדיוק.

צלב-ויאלד

בקרי-הסלאה כפולה, הנתונים מחולקים באופן אקראי לתוך מצע של בערך בגודל שווה.המודל מאומנים על k-1 תת-קרקעיות ומאומתים על המצע הנותרים.תהליך זה חוזר על זמני k, עם כל תת-קבוצה מוחזקת פעם.המדד הסופי הוא הממוצע בכל הסדקים.

Leave-One-Out Cross-Validation

Leave-one-out cross-validation (LOOCV) הוא מקרה קיצוני של k-fold שבו k שווה את מספר נקודות הנתונים.כל תצפית משמשת פעם כהגדרת אימות, והמודל מאומנים בנקודות הנותרים.LOOCV מספק הערכה כמעט בלתי מוטה של חיזוי, אך הוא אינטנסיבי חישוב עבור נתונים גדולים.

המונחים:

הצורה הפשוטה ביותר של הגשמה חוצה-סולנית היא אימות של האימות, שבו הנתונים מחולקים למערכת אימונים (בדרך כלל 70-80%) ומבחן (20-30%) המודל בנוי על מערכת האימונים ומוערך על מערכת הבדיקה.בעוד יעיל חישובי, אימות יכול להיות משתנה מאוד, במיוחד עם דגימות קטנות או הפצה מרחבית.

צלב אופניים - Validation for Hydrography

סטנדרטית cross-validation מניחה כי נקודות נתונים הן עצמאיות וזהות מבוזר.עם זאת, נתונים הידרוגרפיים לעתים קרובות להציג את ההשחה המרחבית חזקה - קידודים מתכוונים דומים יותר מאשר אלה מרוחקים. Ignoring זה יכול להוביל הערכות דיוק אופטימיות יתר על המידה. מחסומים לוחצים על פני השטח - אזורים אלה על ידי חלוקת נתונים המבוססים על בלוקים מרחביים, אזורים גיאוגרפיים, או סקר.

« « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « «

חיזוי קרוס-אל-שיפוט יוצר תחזיות או ערכים שניתן להשוות נגד התצפיות הנערכים על ידי כמה פרמטרים סטנדרטיים הדומים לדיסקרטיות.שורש פירושו טעות מרובעת (RMSE) נעשה שימוש נרחב מכיוון שהוא מעניש שגיאות גדולות יותר מאשר אלה קטנים.הטעות המוחלטת (MAE) מספקת סטייה ממוצעת יותר.

חשוב לציין כי מדדים אלה משקפים רק אי ודאות בקביעת הבדיקה.לאבטחת איכות מקיפה, הם צריכים להיות משולבים עם בדיקות אחרות, כגון השוואה נגד סקרים עצמאיים גבוהים יותר (למשל, אמת קרקע מסקרים מובילים או RTK GPS על תכונות חשופים).

יישום צלב-Validation ב- Hydrographic Workflows

שילוב בין עיבוד הידרוגרפי שגרתי דורש גם כלים טכניים ותכנון פרו-תרבותי. רוב תוכנת עיבוד נתונים הידרוגרפיים (למשל, CarIS HIPS &SIPS, QPS Qimera, Hypack, או EIVA NaviSuite) מציעים יכולות ליצירת תת-שלב והשוואה פני השטח. עבור משתמשים מתקדמים, עריכת סקרפטפטים שפות כמו Python או MATL יכולים ליישם התאמה אישית, כולל מגבלות עבודה מרובות, כולל מגבלות עבודה אופייניות.

(FLT:0) הכנת נתונים: ⁇ FLT:1 וסינון צלילי גלם, החל תיקונים סטנדרטיים (איד, מהירות קול, תנועה), וסווג עננים רבים של נקודה.
(FLT:0) אסטרטגיית אימות פסיקה: FLT:1) בחר בין קו מבוסס, חסום מבוסס, או חלוקה אקראית של k-fold.
(ב) ,0) יצירת מופת:0 (Model Creation:FLT:1) בניית מודל לגבהים דיגיטליים או משטח משקעים ממצע האימונים באמצעות שיטת אינטרפולציה מתאימה (למשל, CUBE, שכנה טבעית, קרירינג).
(ב) ויקרא: ויקרא י"א): "החלל ה' י"א ירא" (במדבר כ"ד, כ"כ) , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(ב) ⁇ :0) ⁇ : "החלל" (ב) חוזר על כל קפל או חוזר על התהליך כולו עם זרעים אקראיים שונים להעריך יציבות.
(ב) ⁇ :0) ⁇ : ⁇ 1:1 רשם את המתודולוגיה, את הערכות אי הוודאות וכתוצאה מכך, כל התאמות שנעשו לעיבוד פרמטרים המבוססים על התוצאות.

כדי להבטיח התחדשות, חיוני לתעד את עיצוב הקרוס-הרס הספציפי, כולל הזרע לפיצול אקראי (אם נעשה שימוש) ואת הגבולות המרחביים של כל בלוקים. ארגונים הידרוגרפיים רבים דורשים כעת תיעוד כזה כחלק מדיווחי אבטחת האיכות שלהם.

מחקרים ויישומים

פרויקט מיפוי החוף: Multibeam Coastal Mapping Project

סוכנות מיפוי החוף ערכה סקר רבבים של ערוץ גישה לנמל באמצעות מערכת EM2040 של קונגסברג EM2040.הסקר כלל 40 קווים מקבילים מעומק מים 3 פעמים, כדי להעריך את הדיוק של DEM וכתוצאה מכך, הידרוגרפים הגישו את הגישה הבין-לאומית של זיהוי חוצה גבולות על ידי החזקת קווים שלמים (4 מתוך 40) באופן רוטט.ה האימות הראה RM של 20.1 במהירויות של מדפס אחד, לעומת 244, לעומת זאת, היה ממטר אחד.

מקרה 2: עדכון עם LiDAR

בפרויקט עדכון מים רדום, מערכת לידרומטית (Leica Chiroptera 4X) שימשה למפות אזור עם ⁇ חזק בהירות מים.הפרויקט השתמש באסטרטגיה אימות עצירות שבו 20% מנקודות LiDAR היו מעודכנים עם בדיקות נרחבות של ריבוע DEM.האפקט הראה MAE של 0.08 למעמקים ו-5 מ"מקודמות"ל היו בשימוש אקראי לגרסאות נוספות.

מקרה מחקר 3: מעקב סביבתי עם Sidescan Sonar

צוות מחקר השתמש בסוכן צדדי-scan כדי לפקח על גבולות המיטה של ים לאורך תקופה של שלוש שנים. כדי להעריך את העקביות של סיווג בתי הגידול משנה לשנה, הם הגישו את המעבר מרחבי תוך חמש בלוקים המבוססים על תאים ברשת.כל שנה הסיווג של סיווגווג של כל שנה היה מאומת נגד נקודות קרקע עצמאיות מסקרי ירידה.

הפרקטיקה הטובה ביותר והמגבלות

בעוד שחסידות הצלב היא עוצמתית, יש ליישם אותה בזהירות.מגבלה קריטית אחת היא שרק מעריכה את היכולת של המודל לחזות את הפצת הנתונים שהיא באה ממנה.זה לא יכול לזהות שגיאות עקביות לאורך כל הנתונים (למשל, הטיה בסימן ההתייחסות האנכיטית), ולכן הערכות דיוק מוחלטות דורשות תמיד התייחסות חיצונית.

בצד המעשי, cross-validation מוסיף עלות חישובית.עבור סקרים גדולים מאוד (מאות מיליוני נקודות) או עיבוד בזמן אמת, יהירויים פשוטים יותר עשויים להיות נחוצים.עם זאת, עם מחשוב ענן מודרני ועיבוד מקביל, אפילו עיצובים גדולים של k-פרק מנוהלים לבסוף, ביטול צלב צריך להשתלב בשלב התכנון, לא ניתן לתקן לאחר איסוף נתונים.

כיוונים עתידיים

השילוב של למידת מכונה בעיבוד נתונים הידרוגרפיים פותח דרכים חדשות עבור cross-validation. אלגוריתמים אוטומטיים עבור סיווג הקולי, גילוי יוצא דופן, וזיהום פני השטח ניתן לאמת באמצעות אותם עקרונות.טכניקות אנסמבל, שבו מודלים מרובים משולבים כדי לשפר את הדיוק, תועלת משינוי חוצה-פעמי להתאמה של מודלים חדשים של מחקר והערכה כללית.

גופי סטנדרטיזציה כמו IHO ו- התעלות מעודדים יותר ויותר את השימוש בהגדרה חוצה-הכלל כחלק ממסגרות אבטחת איכות.המהדורה הבאה של S-44 צפויה לכלול הנחיה מפורטת יותר על טכניקות אימות סטטיסטיות.

מסקנה

Cross-validation היא טכניקה מגוונת וחזקה להערכת הדיוק של סקרים הידרוגרפיים.על ידי כך שתהליך אימות לשימוש בנתונים עצמאיים באמת, היא מגלה הטיות נסתרות ומספקת הערכות אי הוודאות מציאותיות כי אין קללה אחת או בדיקה פנימית יכולה להשיג.מבדיקות תחזוקה פשוטות ועד עיצובים חסימתיים מתוחכמות, חסימת גבולות יכולה להיות מותאמת לצרכים הספציפיים של פרויקט, בין אם זה חוף, בדיקה אזורית, או ניתוח אבטחה יעילה יותר, עוזר לספק מידע סביבתי.

(ב) עיין בפרשת ה-IHO:0 (ב) ,5 ,5 ,5N) ,2FLT:2FLT 3, The NOAA פרוצדורות שדה (FLT:403:5NOAA FPMFLT 7) ו-JLTF:8-Valross-R) LT1: 5N)