熱力学と触媒のジャーナル
オープンアクセス

概要

空間補間のための人工ニューラルネットワーク (ANN) のテスト

ベロニカ・ネフティピロワ、ジャスティナ・パスワ、ムケシュ・シン・ブーリ、ヴィット・ヴォゼニレク

この研究の目的は、GRASS 6.4 ソフトウェアの人工ニューラル ネットワーク (ANN) パッケージを空間補間用にテストし、一般的な補間手法である IDW および通常のクリギングと比較することです。このパッケージは、ソフトウェア R プロジェクトで使用可能なニューラル ネットワーク パッケージ nnet および neuralnet とも​​比較されました。パッケージ全体では、バックプロパゲーション アルゴリズムでトレーニングされた多層パーセプトロン (MLP) モデルが使用されます。評価方法は主に RMSE に基づいています。すべてのテストは、R プロジェクト ソフトウェアで作成された人工データに対して実行され、異なる特性を持つ 3 つの表面をシミュレートしました。多層パーセプトロンの最適な構成を見つけるために、ネットワークのさまざまな設定がテストされました (テスト アンド トライアル方式)。隠し層のニューロン数が、主にテストされたパラメーターでした。結果は、GRASS に実装された ANN モジュールの MLP モデルが空間補間に使用できることを示しています。ただし、結果として得られた RMSE は、IDW および通常のクリギング法の RMSE よりも高く、時間がかかりました。GRASS GIS と R プロジェクトのニューラル ネットワーク パッケージを比較すると、 R プロジェクトのパッケージを使用することをお勧めします。この場合、MLP のトレーニングはより高速になり、結果は同じかわずかに向上しました。