Журнал геологии и геофизики
Открытый доступ

Абстрактный

Тестирование искусственной нейронной сети (ИНС) для пространственной интерполяции

Вероника Невтипилова, Юстина Паства, Мукеш Сингх Бури и Вит Возенилек

Целью данного исследования является тестирование пакета искусственной нейронной сети (ANN) в программном обеспечении GRASS 6.4 для пространственной интерполяции и сравнение его с распространенными методами интерполяции IDW и обычным кригингом. Этот пакет также сравнивался с пакетами нейронных сетей nnet и neuralnet, доступными в программном обеспечении R Project. Все пакеты используют модель многослойного персептрона (MLP), обученную с помощью алгоритма обратного распространения. Методы оценки основывались в основном на RMSE. Все тесты проводились на искусственных данных, созданных в программном обеспечении R Project; которые моделировали три поверхности с различными характеристиками. Чтобы найти наилучшую конфигурацию для многослойного персептрона, было протестировано множество различных настроек сети (метод тестирования и испытаний). Количество нейронов в скрытых слоях было основным тестируемым параметром. Результаты показывают, что модель MLP в модуле ANN, реализованном в GRASS, может использоваться для целей пространственной интерполяции. Однако полученная RMSE была выше, чем RMSE от IDW и обычного метода кригинга, и требовала много времени. При сравнении пакетов нейронных сетей в GRASS GIS и R Project; лучше использовать пакеты в R Project. Обучение MLP в этом случае прошло быстрее, а результаты были такими же или немного лучше.