...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Revista Brasileira de Geofisica >Estimativa de alturas geoidais para o estado de S?o Paulo baseada em redes neurais artificiais
【24h】

Estimativa de alturas geoidais para o estado de S?o Paulo baseada em redes neurais artificiais

机译：基于人工神经网络的圣保罗州大地水准面高度估计

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A informa??o da altitude fornecida pelo sistema GNSS ( Global Navigation Satellite System ) é puramente geométrica, e na maioria dos trabalhos de engenharia a altitude deve estar referenciada ao geóide. Com um número suficiente de Referências de nível (Rn's) com coordenadas horizontais e verticais conhecidas, quase sempre, é possível ajustar-se, pelo Método dos Mínimos Quadrados, express?es matemáticas que permitem interpolar as alturas geoidais. O objetivo deste trabalho foi avaliar a eficiência das Redes Neurais Artificiais (RNAs) no processo de predi??o de alturas geoidais tendo como área de estudo o Estado de S?o Paulo. As informa??es utilizadas basearam-se em um conjunto de 157 Referências de nível (Rn's) distribuídas uniformemente em todo Estado. Para estas Rn's s?o conhecidas suas coordenadas horizontais (latitude e longitude) e verticais (altitudes geométrica e ortométrica e altura geoidal). Das 157 Rn's, 115 foram utilizadas para o treinamento da RNA e 42 no processo de simula??o para avaliar a eficiência do modelo proposto. A eficiência baseou-se em determinar as discrepancias (erro) entres as alturas geoidais conhecidas e as obtidas pelo modelo neural. Como contribui??o da pesquisa comparou-se também os valores simulados com o Earth Gravitational Model 2008 (EGM2008) e também com o MAPGEO2004. Em termos de resultados a RNA proporcionou um erro absoluto médio de 0,19 m ± 0,14 m com uma forte correla??o (R2 = 0,9871) com os valores tomados como verdadeiros. Estatisticamente os testes realizados mostraram que n?o houve diferen?a entre as médias das alturas geoidais conhecidas e as fornecidas pelo modelo neural para um nível de significancia de 5%. Comparando-se os resultados com o EGM2008 e MAPGEO2004 a RNA proporcionou uma redu??o no erro de 0,07 m e 0,44 m, respectivamente.
机译：GNSS（全球导航卫星系统）提供的高度信息纯粹是几何信息，在大多数工程工作中，高度必须参考大地水准面。使用足够数量的具有已知水平和垂直坐标的水平参考（Rn），几乎总是可以使用最小二乘法来调整允许内插大地水准面高度的数学表达式。这项工作的目的是在以圣保罗州为研究区域的大地水准面高度预测过程中，评估人工神经网络（ANN）的效率。所使用的信息基于在整个州内均匀分布的157个等级参考（Rn）。对于这些Rn，已知它们的水平（纬度和经度）和垂直（几何高度和正交高度以及大地水准面高度）坐标。在157个Rn中，有115个用于ANN训练，而42个在仿真过程中用于评估所提出模型的效率。效率基于确定已知大地水准面高度与通过神经模型获得的水准面高度之间的差异（误差）。作为研究的贡献，还将模拟值与地球引力模型2008（EGM2008）和MAPGEO2004进行了比较。从结果来看，RNA提供的平均绝对误差为0.19 m±0.14 m，与真实值具有很强的相关性（R2 = 0.9871）。从统计学上讲，所进行的测试表明，已知大地水准面高度的平均值与5％显着性水平的神经模型所提供的平均值没有差异。将结果与EGM2008和MAPGEO2004进行比较，RNA分别减少了0.07 m和0.44 m的误差。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号