• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Tese de Doutorado
DOI
10.11606/T.18.2003.tde-19122003-185113
Documento
Autor
Nome completo
Túle Cesar Barcelos Maia
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Carlos, 2003
Orientador
Banca examinadora
Segantine, Paulo Cesar Lima (Presidente)
Fonseca Junior, Edvaldo Simões da
Monico, Joao Francisco Galera
Romero, Roseli Aparecida Francelin
Sa, Nelsi Cogo de
Título em português
Utilização de redes neurais na determinação de modelos geoidais
Palavras-chave em português
FFT
geóide
gravimetria
modelo geopotencial
ondulaçõa geoidal
PCA
redes GPS
redes neurais
Resumo em português
A partir de dados obtidos do modelo do geopotencial EGM96, da gravimetria, do GPS e do nivelamento geométrico, e aplicando harmônicos esféricos e FFT como técnicas de determinação geoidal, foram utilizadas neste trabalho redes neurais artificiais como ferramenta alternativa na determinação de um modelo geoidal. Procurou-se uma determinação geoidal de forma mais rápida, com precisão adequada e com menor esforço na determinação de parâmetros importantes na obtenção da referida superfície. Foram utilizados modelos de redes neurais do tipo MLP, algoritmo de treinamento backpropagation, variando o número de camadas, o número de neurônios, a função de ativação, a taxa de aprendizado e o termo momento. Os dados dos modelos mencionados foram tratados de forma a serem utilizados pelos modelos de redes neurais. Foram executadas a normalização, a análise de componentes principais e a definição dos atributos de entrada e saída para treinamento do modelo de rede neural. Foram Realizadas comparações entre os modelos geoidais existentes, os quais foram utilizados nesta pesquisa, com os resultados obtidos pelo modelo de rede neural. Tais comparações resultaram na obtenção dos erros entre as superfícies, justificando dessa forma a possibilidade de uso do referido método, com a conseqüente demonstração de suas vantagens e desvantagens.
Título em inglês
Using artificial neural network to obtain geoid models.
Palavras-chave em inglês
FFT
geoid
geoidal ondulation
geopotencial model
GPS network
gravimetry neural networks
PCA
Resumo em inglês
Applying data from EGM96 geopotential model, gravimetric, GPS and geometric leveling data and using spherical harmonics and FFT as techniques of geoidal determination, this thesis has the goal to find a fast alternative tool to define a geoidal undulation model considering precision and a small effort to estimate important parameters to obtain the mentioned model. MLP neural networks, backpropagation algorithm changing the numbers of layers, neurons numbers, activation function, learning rate and momentum term have been applied. The data of the mentioned models were handling aiming to be used by the neural networks models. Normalization, analysis of the main components, definition of the input and output attributes to training the neural network model, have been also used. Comparison among existing models and the models used in this research with results obtained by the neural network have been done, showing the errors between the created surfaces. At the end, it is presented a positive argument to use the MLP neural network to generate a geoidal model with advantages and disadvantages.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Tule_Tese.pdf (78.36 Mbytes)
Data de Publicação
2005-04-07
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
Centro de Informática de São Carlos
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2018. Todos os direitos reservados.