International Science and Technology Journal
Published by
Under supervision of
Open Access Journal
ISSN: 2519-9854 (Online)
ISSN: 2519-9846 (Print)
A peer-reviewed and open access journal concerned with publishing researches and studies in the field of applied sciences and engineering
Comparative Analysis of Different Gridding Methods and Artificial Neural Network for Interpolation
| Researcher(s): | |
|---|
| Institution: | Higher Institute For Building Trades And Construction |
|---|
| Field: | التقنيات المدنية و الإنشائية و الهندسة المعمارية |
|---|
| Published in: | 11th volume - August 2017 |
|---|
الملخص
تعتمد دقة نموذج التضاريس المولدة على آلية الاستكمال الداخلي المعتمدة. تحتاج بيانات نقطة المصدر لتوفير وصف دقيق للمورفولوجيا إلى استيفاء مختلف شبكات البيانات لتعويض الشواغر بين مصادر البيانات. تقدم هذه الورقة مقارنة بين أنواع مختلفة من أساليب الاستيفاء لشبكة البيانات المستندة إلى سورفر Software11، والشبكة العصبية الاصطناعية (آن) لتقدير البيانات المستمرة المكانية. تم إنشاء نموذج الجيود المحلي لأول مرة وفقا لأساليب الاستيفاء من التسوية الجيود التي تم الحصول عليها باستخدام نظام تحديد المواقع / بيانات التسوية لمنطقة الدراسة. في وقت لاحق، تم استخدام نموذج (آن) لتوليد نموذج الجيود المحلي لمنطقة الدراسة مع نفس البيانات. تم تقييم طرق الاستكمال الداخلي المختارة و آن، من حيث معامل الكفاءة E، متوسط الخطأ المطلق في النسبة المئوية ماب٪ أيضا القيمة الدنيا والقصوى. تمت مناقشة وتقييم مباشر بين كونتورينغ، 3D رسم الخرائط السطحية، وحجم ومساحات الأسطح. خلصت إلى أن أن يمكن أن تستخدم لنمذجة التسوية المحلية كطريقة استيفاء بديلة بدقة عالية، من حيث ماب٪ = 0.09 و E = 0.97. أن، لديها القدرة على توفير تنبؤات دقيقة وكفاف تحديد المواقع الموقع وخرائط سطح 3D.
Abstract
The accuracy of generated terrain model depends on the interpolation mechanism adopted. A point-source data to provide a precise description of the morphology needs different data grid interpolation to make up the vacancy between the data sources. This paper presents a comparison of different kinds of data grid interpolation methods-based on Surfer Software11, and artificial neural network (ANN) for estimating spatial continuous data. A local geoid model was first generated according to interpolation methods from the geoid leveling obtained by using GPS/Levelling data for a study area. Subsequently, a (ANN) model was used to generated the local geoid model of the study area with the same data. The selected interpolation methods and ANN were evaluated, in terms of efficiency factor E, mean absolute percentage error MAPE% also the minimum and maximum value. A direct comparison between contouring, 3D surface mapping , volumes and areas for the surfaces, was discussed and evaluated. Concluded that ANN can be used for local leveling modelling as an alternative interpolation method with high accuracy, in terms of MAPE%=0.09 and E =0.97. ANN, has the potential to provide accurate predictions and site profiling contour and 3D surface maps.