Nova abordagem para melhorar o desempenho do modelo de translação geocêntrica utilizando tecnologia de redes neurais artificiais

AUTOR(ES)
FONTE

Bol. Ciênc. Geod.

DATA DE PUBLICAÇÃO

2017-03

RESUMO

Resumo: O modelo de translação geocêntrica (GTM) atualmente não tem sido muito utilizado nas pesquisas de transformação de coordenadas devido a sua exatidão. Uma transformação acurada de coordenadas é um procedimento essencial na maioria dos problemas geodésicos. Entretanto, motivado pelo sucesso na aplicação de técnicas de Inteligência Artificial na Geodésia, este estudo testou e comparou uma nova técnica capaz de aumentar a exatidão do modelo GTM. Inicialmente, o GTM é definido com parâmetros oficiais (OP) e novos parâmetros determinados usando a média aritmética (AM) foram aplicados na transformação de coordenadas do datum global WGS84 para o datum local Accra. Com base nesses resultados, os novos parâmetros da média aritmética (AM) alcançaram um erro posicional horizontal máximo de 1.99m, em comparação com 2.75m alcançado pelos parâmetros oficiais (OP). De maneira similar, a tecnologia de redes neurais artificiais dos modelos BPNN (BackPropagation Neural Network), RBFNN (Radial Basis Function Neural Network) e GRNN (Generalized Regression Neural Network) foram então utilizadas para compensar os erros do modelo GTM com os parâmetros baseados na média aritmética (AM) para se obter um novo modelo de transformação de coordenadas. Os novos modelos implementados apresentaram uma melhora significativa no erro posicional horizontal de 1.99m para 0.93m

ASSUNTO(S)

modelo de translação geocêntrica modelo neural bpnn modelo neural rbfnn modelo neural grnn transformação de coordenadas

Documentos Relacionados