Journal de géologie et géophysique
Libre accès

Abstrait

Test du réseau neuronal artificiel (ANN) pour l'interpolation spatiale

Veronika Nevtipilova, Justyna Pastwa, Mukesh Singh Boori et Vit Vozenilek

L'objectif de cette recherche est de tester le package de réseau neuronal artificiel (ANN) dans le logiciel GRASS 6.4 pour l'interpolation spatiale et de le comparer aux techniques d'interpolation courantes IDW et au krigeage ordinaire. Ce package a également été comparé aux packages de réseaux neuronaux nnet et neuralnet disponibles dans le logiciel R Project. L'ensemble des packages utilise un modèle de perceptron multicouche (MLP) formé avec l'algorithme de rétropropagation. Les méthodes d'évaluation étaient principalement basées sur le RMSE. Tous les tests ont été effectués sur des données artificielles créées dans le logiciel R Project ; qui simulait trois surfaces avec des caractéristiques différentes. Afin de trouver la meilleure configuration pour le perceptron multicouche, de nombreux paramètres différents du réseau ont été testés (méthode test-and-trial). Le nombre de neurones dans les couches cachées était le principal paramètre testé. Les résultats indiquent que le modèle MLP dans le module ANN implémenté dans GRASS peut être utilisé à des fins d'interpolation spatiale. Cependant, le RMSE résultant était supérieur au RMSE de l'IDW et de la méthode de krigeage ordinaire et prenait du temps. Lorsque l'on compare les packages de réseaux neuronaux dans GRASS GIS et R Project ; il est préférable d'utiliser les packages dans R Project. Dans ce cas, la formation du MLP a été plus rapide et les résultats ont été identiques ou légèrement meilleurs.