El uso de redes neuronales en la interpolación de anomalías de gravedad – aplicación en el cálculo del modelo geoidal en Santa Catarina - Brasil

Autores
Carrupt Machado,Wagner; Oliveira Cancoro de Matos, Ana Cristina; Blitzkow, Denizar; Do Nascimento Guimarães, Gabriel
Año de publicación
2017
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Este artículo trata de evaluar el impacto del uso de las anomalías de gravedad interpoladas con RNA (Redes Neuronales Artificiales), en el cálculo de los modelos geoidales. Por lo tanto, se utilizó de la RNA, para interpolar las anomalías de Bouguer, aire libre y Helmert sobre una malla regular de 5' con el objetivo de calcular el modelo geoidal de Santa Catarina. Se calcularon tres modelos geoidales utilizando las redes generadas con RNA. Se utilizó el modelo GEOID2014, calculado por el LTG (Laboratorio de Topografía y Geodesia) para la comparación. Los cuatro modelos geoidales fueron evaluados utilizando la información de 53 mediciones GNSS, sobre los puntos fijos de las líneas de nivelación fornecidas por el IBGE (Instituto Brasileiro de Geografía y Estadística). La comparación tuvo como objetivo identificar cuál de los modelos tiene mejor consistencia con la referida información. Se obtuvo los valores de los errores medios cuadráticos de 0,17, 0,13, 0,17 y 0,17 m. El modelo geoidal que utilizó la malla de la anomalía Helmert, interpolada con la RNA, mostró el mejor resultado.
To assess the impact of using gravity anomalies interpolated with Artificial Neural Networks (ANN) over geoid model compuation, this technique was used to interpolate Bouguer, free-air and Helmert gravity anomalies into a 5’ regular grid to compute the Santa Catarina State geoidal model. Three geoidal models were computed using the grids determined with ANN. The GEOIDE2014, computed by LTG (Geodesy and Topography Laboratory), was used for comparison. Therefore, the four geoidal models were assessed using information, provided by IBGE (Brazilian Institute of Geography and Statistics), of 53 leveling stations in which the geodetic altitude were determined with GNSS observations, called in this paper as GNSS/RN. The 53 geoidal heights were obtained from the difference between geodetic height and normal-orthometric height from the geometric (spirit) levelling. Such comparison has the aim of identify which models present better consistence with these points. It was obtained RMS of 0.17, 0.13, 0.17 and 0.17 m, where the geoidal model computed with the grid of Helmert anomaly interpolated with ANN presented the best result.
Asociación Argentina de Geofísicos y Geodestas
Materia
Ciencias Astronómicas
Red neuronal
Geoide
GNSS
Nivelación
Altura
Neural Network
Geoid
Spirit levelling
Height
Geodesia
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/183304

id SEDICI_54718e17b44c03e6fb712c29c1c51d72
oai_identifier_str oai:sedici.unlp.edu.ar:10915/183304
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling El uso de redes neuronales en la interpolación de anomalías de gravedad – aplicación en el cálculo del modelo geoidal en Santa Catarina - BrasilThe use of neural network for gravity anomalies interpolation – application to geoid model computation in Santa Catarina - BrasilCarrupt Machado,WagnerOliveira Cancoro de Matos, Ana CristinaBlitzkow, DenizarDo Nascimento Guimarães, GabrielCiencias AstronómicasRed neuronalGeoideGNSSNivelaciónAlturaNeural NetworkGeoidSpirit levellingHeightGeodesiaEste artículo trata de evaluar el impacto del uso de las anomalías de gravedad interpoladas con RNA (Redes Neuronales Artificiales), en el cálculo de los modelos geoidales. Por lo tanto, se utilizó de la RNA, para interpolar las anomalías de Bouguer, aire libre y Helmert sobre una malla regular de 5' con el objetivo de calcular el modelo geoidal de Santa Catarina. Se calcularon tres modelos geoidales utilizando las redes generadas con RNA. Se utilizó el modelo GEOID2014, calculado por el LTG (Laboratorio de Topografía y Geodesia) para la comparación. Los cuatro modelos geoidales fueron evaluados utilizando la información de 53 mediciones GNSS, sobre los puntos fijos de las líneas de nivelación fornecidas por el IBGE (Instituto Brasileiro de Geografía y Estadística). La comparación tuvo como objetivo identificar cuál de los modelos tiene mejor consistencia con la referida información. Se obtuvo los valores de los errores medios cuadráticos de 0,17, 0,13, 0,17 y 0,17 m. El modelo geoidal que utilizó la malla de la anomalía Helmert, interpolada con la RNA, mostró el mejor resultado.To assess the impact of using gravity anomalies interpolated with Artificial Neural Networks (ANN) over geoid model compuation, this technique was used to interpolate Bouguer, free-air and Helmert gravity anomalies into a 5’ regular grid to compute the Santa Catarina State geoidal model. Three geoidal models were computed using the grids determined with ANN. The GEOIDE2014, computed by LTG (Geodesy and Topography Laboratory), was used for comparison. Therefore, the four geoidal models were assessed using information, provided by IBGE (Brazilian Institute of Geography and Statistics), of 53 leveling stations in which the geodetic altitude were determined with GNSS observations, called in this paper as GNSS/RN. The 53 geoidal heights were obtained from the difference between geodetic height and normal-orthometric height from the geometric (spirit) levelling. Such comparison has the aim of identify which models present better consistence with these points. It was obtained RMS of 0.17, 0.13, 0.17 and 0.17 m, where the geoidal model computed with the grid of Helmert anomaly interpolated with ANN presented the best result.Asociación Argentina de Geofísicos y Geodestas2017info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionArticulohttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdf32-43http://sedici.unlp.edu.ar/handle/10915/183304spainfo:eu-repo/semantics/altIdentifier/issn/1852-7744info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:50:08Zoai:sedici.unlp.edu.ar:10915/183304Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:50:08.838SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv El uso de redes neuronales en la interpolación de anomalías de gravedad – aplicación en el cálculo del modelo geoidal en Santa Catarina - Brasil
The use of neural network for gravity anomalies interpolation – application to geoid model computation in Santa Catarina - Brasil
title El uso de redes neuronales en la interpolación de anomalías de gravedad – aplicación en el cálculo del modelo geoidal en Santa Catarina - Brasil
spellingShingle El uso de redes neuronales en la interpolación de anomalías de gravedad – aplicación en el cálculo del modelo geoidal en Santa Catarina - Brasil
Carrupt Machado,Wagner
Ciencias Astronómicas
Red neuronal
Geoide
GNSS
Nivelación
Altura
Neural Network
Geoid
Spirit levelling
Height
Geodesia
title_short El uso de redes neuronales en la interpolación de anomalías de gravedad – aplicación en el cálculo del modelo geoidal en Santa Catarina - Brasil
title_full El uso de redes neuronales en la interpolación de anomalías de gravedad – aplicación en el cálculo del modelo geoidal en Santa Catarina - Brasil
title_fullStr El uso de redes neuronales en la interpolación de anomalías de gravedad – aplicación en el cálculo del modelo geoidal en Santa Catarina - Brasil
title_full_unstemmed El uso de redes neuronales en la interpolación de anomalías de gravedad – aplicación en el cálculo del modelo geoidal en Santa Catarina - Brasil
title_sort El uso de redes neuronales en la interpolación de anomalías de gravedad – aplicación en el cálculo del modelo geoidal en Santa Catarina - Brasil
dc.creator.none.fl_str_mv Carrupt Machado,Wagner
Oliveira Cancoro de Matos, Ana Cristina
Blitzkow, Denizar
Do Nascimento Guimarães, Gabriel
author Carrupt Machado,Wagner
author_facet Carrupt Machado,Wagner
Oliveira Cancoro de Matos, Ana Cristina
Blitzkow, Denizar
Do Nascimento Guimarães, Gabriel
author_role author
author2 Oliveira Cancoro de Matos, Ana Cristina
Blitzkow, Denizar
Do Nascimento Guimarães, Gabriel
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Astronómicas
Red neuronal
Geoide
GNSS
Nivelación
Altura
Neural Network
Geoid
Spirit levelling
Height
Geodesia
topic Ciencias Astronómicas
Red neuronal
Geoide
GNSS
Nivelación
Altura
Neural Network
Geoid
Spirit levelling
Height
Geodesia
dc.description.none.fl_txt_mv Este artículo trata de evaluar el impacto del uso de las anomalías de gravedad interpoladas con RNA (Redes Neuronales Artificiales), en el cálculo de los modelos geoidales. Por lo tanto, se utilizó de la RNA, para interpolar las anomalías de Bouguer, aire libre y Helmert sobre una malla regular de 5' con el objetivo de calcular el modelo geoidal de Santa Catarina. Se calcularon tres modelos geoidales utilizando las redes generadas con RNA. Se utilizó el modelo GEOID2014, calculado por el LTG (Laboratorio de Topografía y Geodesia) para la comparación. Los cuatro modelos geoidales fueron evaluados utilizando la información de 53 mediciones GNSS, sobre los puntos fijos de las líneas de nivelación fornecidas por el IBGE (Instituto Brasileiro de Geografía y Estadística). La comparación tuvo como objetivo identificar cuál de los modelos tiene mejor consistencia con la referida información. Se obtuvo los valores de los errores medios cuadráticos de 0,17, 0,13, 0,17 y 0,17 m. El modelo geoidal que utilizó la malla de la anomalía Helmert, interpolada con la RNA, mostró el mejor resultado.
To assess the impact of using gravity anomalies interpolated with Artificial Neural Networks (ANN) over geoid model compuation, this technique was used to interpolate Bouguer, free-air and Helmert gravity anomalies into a 5’ regular grid to compute the Santa Catarina State geoidal model. Three geoidal models were computed using the grids determined with ANN. The GEOIDE2014, computed by LTG (Geodesy and Topography Laboratory), was used for comparison. Therefore, the four geoidal models were assessed using information, provided by IBGE (Brazilian Institute of Geography and Statistics), of 53 leveling stations in which the geodetic altitude were determined with GNSS observations, called in this paper as GNSS/RN. The 53 geoidal heights were obtained from the difference between geodetic height and normal-orthometric height from the geometric (spirit) levelling. Such comparison has the aim of identify which models present better consistence with these points. It was obtained RMS of 0.17, 0.13, 0.17 and 0.17 m, where the geoidal model computed with the grid of Helmert anomaly interpolated with ANN presented the best result.
Asociación Argentina de Geofísicos y Geodestas
description Este artículo trata de evaluar el impacto del uso de las anomalías de gravedad interpoladas con RNA (Redes Neuronales Artificiales), en el cálculo de los modelos geoidales. Por lo tanto, se utilizó de la RNA, para interpolar las anomalías de Bouguer, aire libre y Helmert sobre una malla regular de 5' con el objetivo de calcular el modelo geoidal de Santa Catarina. Se calcularon tres modelos geoidales utilizando las redes generadas con RNA. Se utilizó el modelo GEOID2014, calculado por el LTG (Laboratorio de Topografía y Geodesia) para la comparación. Los cuatro modelos geoidales fueron evaluados utilizando la información de 53 mediciones GNSS, sobre los puntos fijos de las líneas de nivelación fornecidas por el IBGE (Instituto Brasileiro de Geografía y Estadística). La comparación tuvo como objetivo identificar cuál de los modelos tiene mejor consistencia con la referida información. Se obtuvo los valores de los errores medios cuadráticos de 0,17, 0,13, 0,17 y 0,17 m. El modelo geoidal que utilizó la malla de la anomalía Helmert, interpolada con la RNA, mostró el mejor resultado.
publishDate 2017
dc.date.none.fl_str_mv 2017
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Articulo
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/183304
url http://sedici.unlp.edu.ar/handle/10915/183304
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/issn/1852-7744
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
32-43
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616361060335616
score 13.070432