Luận án – Nghiên cứu nâng cao độ chính xác của mô hình số độ cao dạng grid bằng mạng neuron Hopfield.

Tên luận án:

NGHIÊN CỨU NÂNG CAO ĐỘ CHÍNH XÁC CỦA MÔ HÌNH SỐ ĐỘ CAO DẠNG GRID BẰNG MẠNG NEURON HOPFILED

Ngành:

Kỹ thuật Trắc địa - Bản đồ

Tóm tắt nội dung tài liệu:

Luận án "Nghiên cứu nâng cao độ chính xác của mô hình số độ cao dạng grid bằng mạng neuron Hopfield" do Nguyễn Thị Thu Hương thực hiện thuộc ngành Kỹ thuật Trắc địa - Bản đồ, mã số 9520503, tại Trường Đại học Mỏ - Địa chất, Hà Nội năm 2021. Đề tài xuất phát từ tính cấp thiết của việc cải thiện độ chính xác của các Mô hình số độ cao (DEM) dạng grid sẵn có, vốn có chi phí thấp nhưng độ chính xác hạn chế, gây khó khăn trong ứng dụng.

Mục đích chính của luận án là thử nghiệm và đánh giá các phương pháp tái chia mẫu phổ biến nhằm cải thiện độ chính xác của DEM, đồng thời xây dựng thuật toán và chương trình để tăng độ phân giải không gian và độ chính xác của grid DEM sử dụng mạng neuron Hopfield. Đối tượng nghiên cứu là các grid DEM được xây dựng từ nhiều nguồn khác nhau (LiDar DEM, đường bình độ, đo đạc thực địa), tập trung vào độ phân giải không gian và độ chính xác của chúng.

Nội dung nghiên cứu bao gồm việc phát triển thuật toán và chương trình sử dụng mạng neuron Hopfield để nâng cao độ phân giải và độ chính xác của grid DEM, song song với việc đánh giá định tính và định lượng các phương pháp tái chia mẫu phổ biến hiện nay. Các phương pháp nghiên cứu chủ yếu là thống kê, phân tích, thực nghiệm, so sánh, mô hình hóa và chuyên gia.

Luận án khẳng định và đề xuất thuật toán nâng cao độ chính xác của grid DEM bằng mạng neuron Hopfield, mang lại ý nghĩa khoa học và thực tiễn to lớn. Kết quả góp phần giảm công sức và chi phí trong xây dựng DEM độ phân giải cao, cung cấp sản phẩm ứng dụng hiệu quả trong phân tích địa hình, địa mạo và quản lý tài nguyên.

Các luận điểm chính bao gồm việc các phương pháp tái chia mẫu phổ biến (Bilinear, Bi-cubic, Kriging) có thể cải thiện độ chính xác của DEM dạng grid, và thuật toán mạng neuron Hopfield cho phép tăng độ phân giải không gian và độ chính xác của DEM. Luận án có những điểm mới như thử nghiệm toàn diện các phương pháp tái chia mẫu, lần đầu tiên ứng dụng thành công mạng neuron nhân tạo Hopfield để tăng độ phân giải và độ chính xác của DEM dạng grid, và xây dựng chương trình cụ thể.

Mục lục chi tiết:

• Mở đầu
• Chương 1. Tổng quan các vấn đề nghiên cứu về mô hình số độ cao, mạng neuron và ứng dụng mạng neuron Hopfield trong các bài toán tối ưu.
• Chương 2. Khảo sát về khả năng tăng độ chính xác của các grid DEM bằng các thuật toán tái chia mẫu.
• Chương 3. Nghiên cứu nâng cao độ chính xác của mô hình số độ cao dạng grid bằng phương pháp sử dụng mạng neuron Hopfield.
• Kết luận và kiến nghị.