SciELO - Scientific Electronic Library Online

 
vol.25 número4Anomalous geoelectric potential variations observed along a gas pipeline section in Argentine, possible intensification with variations of the Earth's magnetic fieldSeismic site classification of the Costa Rican Strong-Motion Network based on V S30 measurements and site fundamental period índice de autoresíndice de assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Journal

Artigo

Indicadores

Links relacionados

  • Em processo de indexaçãoCitado por Google
  • Não possue artigos similaresSimilares em SciELO
  • Em processo de indexaçãoSimilares em Google

Compartilhar


Earth Sciences Research Journal

versão impressa ISSN 1794-6190

Resumo

KONAKOGLU, Berkant  e  AKAR, Alper. Predicción de ondulación geoide con Redes Neuronales Artificiales (base radial y regresión generalizada), regresión lineal múltiple y métodos de interpolación: estudio comparativo. Earth Sci. Res. J. [online]. 2021, vol.25, n.4, pp.371-382.  Epub 04-Mar-2022. ISSN 1794-6190.  https://doi.org/10.15446/esrj.v25n4.91195.

Este estudio evalúa los métodos diferentes de predicción de ondulación geoide donde se incluye dos tipos de Redes Neuronales Artificiales -la red neuronal de base radial y la red neuronal de regresión generalizada- al igual que métodos convencionales donde se incluyen la regresión lineal múltiple y diez técnicas diferentes de interpolación. En este trabajo, la validación cruzada de K iteraciones se usó para evaluar el modelo y su comportamiento en un conjunto de datos independiente. Con este método de evaluación, cada grupo de números k tiene la posibilidad de dividirse entre datos de entrenamiento y datos de evaluación. El desempeño de los métodos se evaluó en términos de la raíz del error cuadrático medio (RMSE, del inglés root mean square error), el error absoluto medio (MAE, mean absolute error), el coeficiente de eficiencia Nash-Sutcliffe (NSE, Nash-Sutcliffe efficiency coefficient) y el coeficiente de correlación (R2, correlation coefficient) a través de indicadores gráficos. La evaluación del desempeño de los grupos de datos obtenidos con la validación cruzada se realizó en dos vías. Cuando el método que tiene el resultado de mínimo error es aceptado como el método más apropiado, el vecino natural ofrece mejores resultados que otros métodos (RMSE = 0.142 m, MAE = 0.097 m, NSE = 0.98986, and R2 = 0.99011). Por otro lado, se observó que en promedio la red neuronal de regresión generalizada presentó un mejor desempeño (RMSE = 0.185 m, MAE = 0.137 m, NSE = 0.98229, and R2 = 0.98249).

Palavras-chave : red neuronal de regresión generalizada; red neuronal de base radial; regresión lineal múltiple; métodos de interpolación; determinación geoide.

        · resumo em Inglês     · texto em Inglês     · Inglês ( pdf )