THÔNG TIN TÓM TẮT VỀ NHỮNG KẾT LUẬN MỚI CỦA LUẬN ÁN TIẾN SĨ
Tên đề tài luận án: “Nghiên cứu nâng cao độ chính xác của mô hình số độ cao dạng grid bằng mạng neuron Hopfield”
Ngành: Kỹ thuật Trắc địa-Bản đồ Mã số: 9.52.05.03
Họ và tên nghiên cứu sinh: Nguyễn Thị Thu Hương Khóa đào tạo: 2014-2017
Họ và tên cán bộ hướng dẫn: PGS.TS Nguyễn Quang Minh
Tên cơ sở đào tạo: Trường Đại học Mỏ – Địa chất
TÓM TẮT NHỮNG KẾT LUẬN MỚI CỦA LUẬN ÁN
1. Trong luận án đã đề xuất các mô hình đánh giá độ chính xác sử dụng kết hợp các tham số hồi quy (m, b) khi xây dựng mối quan hệ tương quan tuyến tính giữa dữ liệu chuẩn, dữ liệu đối sánh và hệ số tương quan R để đánh giá độ chính xác mô hình số độ cao DEM dạng grid. Việc sử dụng đồng thời các tham số trên cho phép đánh giá được sự tồn tại của các thành phần sai số ngẫu nhiên và sai số hệ thống trong các dữ liệu mô hình số độ cao.
2. Theo kết quả thử nghiệm được đánh giá độ chính xác theo cách tiếp cận mới, có sửdụng các tham số hồi quy tuyến tính (m, b) và hệ số tương quan R cho thấy, các thuật toán phổ biến bao gồm Bilinear, Bi-cubic, đặc biệt là phương pháp Kriging có thể cải thiện một cách nhất định về độ chính xác của mô hình số độ cao dạng grid khi tiến hành chia nhỏ các điểm ảnh. Tuy nhiên, qua phân tích cho thấy các thuật toán này gây ra một lượng sai số hệ thống trong kết quả DEM do hiệu ứng làm trơn. Các giá trị độ cao trên DEM có xu thế thấp đi tại các điểm đỉnh đồi, núi và phân thủy cũng như cao hơn ở các điểm đáy thung lũng hoặc tụ thủy.
3. Trong luận án đã đề xuất một phương pháp mới để nâng cao độ chính xác cho dữ liệu DEM dạng grid bằng mạng neuron Hopfield. Phương pháp mới này có thể cải thiện độ chính xác cho DEM dạng grid so với các phương pháp tái chia mẫu khác. Mô hình nâng cao độ chính xác này là kết hợp của việc làm trơn DEM thông qua hàm mục tiêu được xác định bằng giá trị semi-variance min và hàm điều kiện ràng buộc về độ cao. Kết quả đánh giá độ chính xác cả bằng quan sát trực quan và các dữ liệu thống kê cho thấy phương pháp mới được đề xuất cho kết quả tốt hơn các phương pháp đang được sử dụng hiện nay sửdụng để chia nhỏ và làm trơn DEM. Đặc biệt là, hàm điều kiện trong mô hình đã cho phép giải quyết ảnh hưởng của hiệu ứng làm trơn.
