Serviços Personalizados
Journal
Artigo
Indicadores
- Citado por SciELO
- Acessos
Links relacionados
- Citado por Google
- Similares em SciELO
- Similares 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.