Revista de Geología y Geofísica
Acceso abierto

abstracto

Probando Redes Neuronales Artificiales (ANN) para Interpolación Espacial

Veronika Nevtipilova, Justyna Pastwa, Mukesh Singh Boori y Vit Vozenilek

El objetivo de esta investigación es probar el paquete de Redes Neuronales Artificiales (ANN) en el software GRASS 6.4 para interpolación espacial y compararlo con técnicas de interpolación comunes IDW y kriging ordinario . Este paquete también se comparó con los paquetes de redes neuronales nnet y neuralnet disponibles en el software R Project. Todo el paquete utiliza un modelo de perceptrón multicapa (MLP) entrenado con el algoritmo de propagación hacia atrás. Los métodos de evaluación se basaron principalmente en RMSE. Todas las pruebas se realizaron sobre datos artificiales creados en el software R Project; que simuló tres superficies con diferentes características. Con el fin de encontrar la mejor configuración para el perceptrón multicapa, se probaron muchas configuraciones diferentes de red (método de prueba y prueba). El número de neuronas en capas ocultas fue el principal parámetro probado. Los resultados indican que el modelo MLP en el módulo ANN implementado en GRASS se puede utilizar con fines de interpolación espacial. Sin embargo, el RMSE resultante fue más alto que el RMSE de IDW y el método de kriging ordinario y consumió mucho tiempo. Cuando se compararon paquetes de redes neuronales en GRASS GIS y R Project; es mejor usar los paquetes en R Project. El entrenamiento de MLP fue más rápido en este caso y los resultados fueron iguales o ligeramente mejores.