地质学与地球物理学杂志
开放获取

抽象的

测试空间插值的人工神经网络 (ANN)

Veronika Nevtipilova、Justyna Pastwa、Mukesh Singh Boori 和 Vit Vozenilek

本研究的目的是测试 GRASS 6.4 软件中的人工神经网络 (ANN) 包进行空间插值，并将其与常见插值技术 IDW 和普通克里金法进行比较。该软件包还与软件 R Project 中提供的神经网络软件包 nnet 和 Neuralnet 进行了比较。整个包使用通过反向传播算法训练的多层感知器（MLP）模型。评价方法主要基于RMSE。所有测试都是在 R Project 软件中创建的人工数据上完成的；它模拟了具有不同特性的三个表面。为了找到多层感知器的最佳配置，测试了许多不同的网络设置（测试和试验方法）。隐藏层神经元的数量是主要测试参数。结果表明，GRASS 中实现的 ANN 模块中的 MLP 模型可用于空间插值目的。然而，所得的 RMSE 高于 IDW 和普通克里金法的 RMSE，且耗时。比较 GRASS GIS 和 R Project 中的神经网络包时；最好使用 R Project 中的包。在这种情况下，MLP 的训练速度更快，结果相同或稍好。