›
›

Luận án Nghiên cứu nâng cao độ chính xác của mô hình số độ cao dạng grid bằng mạng neuron hopfield

Mô hình số độ cao – Digital Elevation Model (DEM) là phương pháp mô

hình hóa bề mặt địa hình cũng như cho phép hiển thị bề mặt địa hình trong hệ tọa độ

không gian ba chiều [63]. DEM thu hút được sự chú ý ngay từ khi nó mới bắt đầu

được đưa vào sử dụng từ cuối những năm 1950s. Ngày nay, DEM được ứng dụng

khá rộng rãi trong nhiều lĩnh vực như: đo đạc bản đồ, lập các mô hình về nguy cơ

xói mòn đất, đánh giá thủy văn và lũ lụt, các mô hình phát tán ô nhiễm, quản lý đa

dạng sinh học, trong quy hoạch, quân sự Bề mặt DEM có thể được xây dựng từ

mô hình các tam giác không đều TIN, dạng grid hoặc dưới dạng các mô hình toán

học. Trong đó, các mô hình DEM ở dạng grid được sử dụng rộng rãi vì có cấu trúc

đơn giản và dễ sử dụng để phân tích thông tin bề [18]. Dữ liệu về bề mặt địa hình

phổ biến rộng rãi ở dạng này. Đặc biệt khi xét về các khía cạnh như lưu trữ cập

nhật, tích hợp và truy cập dữ liệu của một hệ thống DEM phủ trùm quốc gia hay

vùng lãnh thổ thì cấu trúc DEM dạng grid được ưa chuộng hơn so với cấu trúc dạng

TIN.

Ở nước ta, từ năm 1995 đến năm 1998, Bộ KHCNMT đã có một dự án xây

dựng Hệ thống thông tin địa lý phục vụ quản lý tài nguyên thiên nhiên và bảo vệ

môi trường. Dự án này là một dự án với quy mô lớn đầu tiên ở nước ta để xây dựng

một cơ sở dữ liệu không gian về điều kiện tự nhiên, kinh tế - xã hội với hai cấp: cấp

toàn quốc với 7 cơ sở dữ liệu (CSDL) của 7 ngành và cấp tỉnh với 40 CSDL của 40

tỉnh. Các CSDL này phần lớn đều được xây dựng trên bản đồ địa hình tỷ lệ

1:50.000 nhưng trong đó không có tỉnh nào xây dựng DEM. Kết quả của dự án cũng

đã xây dựng được DEM dạng Grid cho toàn quốc dựa trên CSDL địa hình tỷ lệ

1:100.000 nhưng nó chỉ như là một sản phẩm trình diễn, không ứng dụng được vào

một mục đích cụ thể nào [87]. Hiện nay, DEM được thành lập từ bản đồ địa hình tỷ

lệ 1:100.000 và 1: 50.000 là phổ biến nhất. Một số các ứng dụng cần DEM được

thành lập từ các bản đồ địa hình tỷ lệ lớn hơn, từ 1:10.000 đến 1: 25.000.

pdf 182 trang dienloan 8120
Download
Bạn đang xem 20 trang mẫu của tài liệu "Luận án Nghiên cứu nâng cao độ chính xác của mô hình số độ cao dạng grid bằng mạng neuron hopfield", để tải tài liệu gốc về máy hãy click vào nút Download ở trên

Tóm tắt nội dung tài liệu: Luận án Nghiên cứu nâng cao độ chính xác của mô hình số độ cao dạng grid bằng mạng neuron hopfield

Luận án Nghiên cứu nâng cao độ chính xác của mô hình số độ cao dạng grid bằng mạng neuron hopfield
BỘ GIÁO DỤC VÀ ĐÀO TẠO 
TRƯỜNG ĐẠI HỌC MỎ - ĐỊA CHẤT 
NGUYỄN THỊ THU HƯƠNG 
NGHIÊN CỨU NÂNG CAO ĐỘ CHÍNH XÁC CỦA MÔ HÌNH SỐ 
ĐỘ CAO DẠNG GRID BẰNG MẠNG NEURON HOPFIELD 
LUẬN ÁN TIẾN SĨ KỸ THUẬT 
HÀ NỘI - 2021 
BỘ GIÁO DỤC VÀ ĐÀO TẠO 
TRƯỜNG ĐẠI HỌC MỎ - ĐỊA CHẤT 
NGUYỄN THỊ THU HƯƠNG 
NGHIÊN CỨU NÂNG CAO ĐỘ CHÍNH XÁC CỦA MÔ HÌNH SỐ 
ĐỘ CAO DẠNG GRID BẰNG MẠNG NEURON HOPFIELD 
 Ngành : Kỹ thuật Trắc địa - Bản đồ 
 Mã số : 9 52 05 03 
LUẬN ÁN TIẾN SĨ KỸ THUẬT 
NGƯỜI HƯỚNG DẪN KHOA HỌC 
PGS.TS NGUYỄN QUANG MINH 
HÀ NỘI - 2021 
i 
Lời cam đoan 
 Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi. Các số liệu 
được sử dụng và kết quả phân tích, trình bày trong luận án là trung thực và chưa 
từng được công bố trong bất cứ công trình nào. 
 Tác giả luận án 
 Nguyễn Thị Thu Hương 
ii 
MỤC LỤC 
Lời cam đoan ................................................................................................................ i 
MỤC LỤC ................................................................................................................... ii 
DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT TIẾNG VIỆT VÀ TIẾNG ANH .. v 
DANH MỤC CÁC BẢNG, BIỂU ĐỒ ...................................................................... vi 
DANH MỤC CÁC HÌNH VẼ................................................................................. viii 
MỞ ĐẦU ..................................................................................................................... 1 
Chương 1 TỔNG QUAN CÁC VẤN ĐỀ NGHIÊN CỨU VỀ MÔ HÌNH SỐ ĐỘ 
CAO, MẠNG NEURON VÀ ỨNG DỤNG MẠNG NEURON HOPFIELD 
TRONG CÁC BÀI TOÁN TỐI ƯU HÓA ................................................................. 8 
1.1 Tổng quan về mô hình số độ cao ................................................................ 8 
1.1.1 Các khái niệm và định nghĩa về mô hình số độ cao .................................... 8 
1.1.2 Các cấu trúc của mô hình số độ cao (DEM) ............................................. 10 
1.1.3 Các phương pháp thành lập mô hình số độ cao (DEM) ............................ 18 
1.1.4 Độ chính xác bề mặt mô hình số địa hình (DEM) .................................... 20 
1.1.5 Các ứng dụng của mô hình số độ cao ....................................................... 24 
1.1.6 Công tác thành lập DEM ở trong và ngoài nước ...................................... 26 
1.1.7 Một số nghiên cứu về cải thiện và đánh giá độ chính xác DEM .............. 30 
1.2 Tổng quan về mạng neuron ....................................................................... 37 
1.2.1 Cấu tạo của một neuron sinh học .............................................................. 38 
1.2.2 Nguyên lý hoạt động của các neuron ........................................................ 38 
1.2.3 Khái niệm và cấu trúc của mạng neuron nhân tạo .................................... 39 
1.2.4 Phân loại mạng neuron .............................................................................. 41 
1.2.5 Đặc điểm của mạng neuron nhân tạo ........................................................ 43 
1.2.6 Ứng dụng của mạng neuron nhân tạo ....................................................... 44 
1.2.7 Mạng neuron Hopfield .............................................................................. 45 
1.2.8 Ứng dụng mạng neuron Hopfield trong các bài toán tối ưu hóa .............. 46 
1.3 Luận giải về tăng độ phân giải không gian grid DEM .............................. 47 
iii 
1.4 Một số nghiên cứu tiêu biểu về tăng độ phân giải không gian và tăng độ 
chính xác DEM ......................................................................................................... 48 
1.5 Kết luận chương 1 ..................................................................................... 50 
Chương 2 KHẢO SÁT VỀ KHẢ NĂNG TĂNG ĐỘ CHÍNH XÁC CỦA GRID 
DEM BẰNG CÁC THUẬT TOÁN TÁI CHIA MẪU ............................................. 52 
2.1 Các phương pháp đánh giá độ chính xác của grid DEM .......................... 52 
2.1.1 Phương pháp đánh giá trực quan ............................................................... 53 
2.1.2 Phương pháp đánh giá định lượng ............................................................ 54 
2.2 Một số thuật toán tái chia mẫu (Resampling) phổ biến nhằm tăng độ phân 
giải không gian cho DEM dạng grid ......................................................................... 58 
2.2.1 Phương pháp tái chia mẫu Bilinear (song tuyến) ...................................... 59 
2.2.2 Phương pháp nội suy dựa vào điểm lân cận gần nhất (Nearest Neighbor)61 
2.2.3 Phương pháp tái chia mẫu Bi-cubic .......................................................... 62 
2.2.4 Phương pháp nội suy Kriging ................................................................... 63 
2.3 Thực nghiệm tăng độ phân giải không gian của mô hình số độ cao DEM 
dạng grid bằng các thuật toán tái chia mẫu phổ biến ................................................ 65 
2.3.1 Dữ liệu và thực nghiệm ............................................................................. 65 
2.3.2 Phân tích về độ chính xác.......................................................................... 75 
2.4 Kết luận chương 2 ..................................................................................... 97 
Chương 3 NGHIÊN CỨU NÂNG CAO ĐỘ CHÍNH XÁC CỦA MÔ HÌNH SỐ 
ĐỘ CAO DẠNG GRID BẰNG PHƯƠNG PHÁP SỬ DỤNG MẠNG NEURON 
HOPFIED .......................................................................................................... 99 
3.1 Cơ sở khoa học của việc ứng dụng mạng neuron Hopfield để tăng độ phân 
giải không gian và độ chính xác của mô hình số độ cao dạng grid .......................... 99 
3.2 Mạng neuron Hopfield ứng dụng cho siêu phân giải bản đồ (super-
resolution mapping/sub-pixel mapping) ................................................................. 101 
3.2.1 Xây dựng mô hình ................................................................................... 101 
3.2.2 Thiết lập các hàm mục tiêu và điều kiện ................................................. 102 
iv 
3.3 Xây dựng thuật toán nâng cao độ chính xác của mô hình số độ cao dạng 
grid. ............................................................................................................. 105 
3.3.1 Xây dựng mô hình mạng neuron Hopfield nhằm tăng độ phân giải không 
gian của mô hình số độ cao DEM dạng grid ........................................................ 105 
3.3.2 Sơ đồ khối của thuật toán ........................................................................ 109 
3.3.3 Thiết kế chương trình tăng độ phân giải không gian và nâng cao độ chính 
xác của grid DEM sử dụng mạng neuron Hopfiled .............................................. 110 
3.4 Thực nghiệm tăng độ phân giải không gian và độ chính xác của mô hình 
số độ cao dạng grid bằng phương pháp sử dụng mạng neuron Hopfield (mô hình 
HNN đã biến đổi) .................................................................................................... 114 
3.4.1 Dữ liệu thực nghiệm ................................................................................ 114 
3.4.2 Kết quả thực nghiệm, phân tích độ chính xác ......................................... 119 
3.4.3 Đánh giá trực quan .................................................................................. 122 
3.4.4 Đánh giá định lượng ................................................................................ 132 
3.5 So sánh độ chính xác về độ cao giữa các DEM sau khi tăng độ phân giải 
bằng thuật toán mạng neuron Hopfiled và các phương pháp tái chia mẫu với các 
điểm độ cao kiểm tra được đo bằng máy toàn đạc điện tử ..................................... 136 
3.6 Kết luận chương 3 ................................................................................... 138 
KẾT LUẬN VÀ KIẾN NGHỊ................................................................................. 141 
DANH MỤC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA TÁC GIẢ ............................. 143 
TÀI LIỆU THAM KHẢO ....................................................................................... 145 
PHỤ LỤC 1 ............................................................................................................. 152 
PHỤ LỤC 2 ............................................................................................................. 158 
PHỤ LỤC 3 ............................................................................................................. 166 
v 
DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT TIẾNG VIỆT VÀ 
TIẾNG ANH 
DEM Digital Elevation Model: Mô hình số độ cao 
DSM Digital Surface Model: Mô hình số bề mặt 
DTM Digital Terrain Model: Mô hình số địa hình 
HNN Hopfield Neuron Network: Mạng neuron Hopfiled 
ME Mean Error: Sai số trung bình 
LiDAR Light Detection And Ranging: Công nghệ phát hiện và đo khoảng 
cách bằng chùm tia laser 
RMSE Root Mean Square Error: Sai số trung phương 
SRTM Shuttle Radar Topography Mission: Công nghệ radar sử dụng cảm 
biến đặt trên tàu con thoi để tạo DEM 
UAV Unmanned Aircraft Vehicle: Thiết bị máy bay không người lái 
2D Two Dimension: Hai chiều 
3D Three Dimension: Ba chiều 
vi 
DANH MỤC CÁC BẢNG, BIỂU ĐỒ 
Bảng 1-1. Bảng phân cấp độ chính xác dữ liệu độ cao số theo Hiệp hội Đo ảnh và 
Viễn thám Mỹ [23] .................................................................................................... 23 
Bảng 1-2. So sánh độ chính xác trên dữ liệu mô hình số độ cao và độ chính xác tính 
theo khoảng cao đều đường đồng mức tương ứng [23] ............................................ 23 
Bảng 1-3. Một số các thông số được tính toán từ DEM và các ứng dụng của chúng
 ................................................................................................................................... 24 
Bảng 1-4. Một số loại DEM ở nước ta hiện nay ....................................................... 29 
Bảng 2-1. Đánh giá độ chính xác của DEM dựa trên tiêu chuẩn ASPRS cho dữ liệu 
không gian địa lý kỹ thuật số .................................................................................... 72 
Bảng 2-2. Sai số trung phương (RMSE) của các phương pháp tái chia mẫu sử dụng 
mô hình song tuyến (Bilinear), Bi-cubic và Kriging cho DEM 20m khu vực Nghệ 
An .............................................................................................................................. 88 
Bảng 2-3. Sai số trung phương (RMSE) cho các phương pháp tái chia mẫu sử dụng 
mô hình song tuyến (Bilinear), tái lấy mẫu Bi-cubic và theo thuật toán nội suy 
Kriging cho DEM SRTM 30m khu vực Nghệ An .................................................... 89 
Bảng 2-4. Sai số trung phương (RMSE) cho các phương pháp tái chia mẫu sử dụng 
mô hình song tuyến (Bilinear), Bi-cubic và thuật toán Kriging cho DEM 5m khu 
vực Lạng Sơn ............................................................................................................ 90 
Bảng 2-5. Sai số trung phương (RMSE) cho các phương pháp tái chia mẫu sử dụng 
phương pháp tái chia mẫu song tuyến (Bilinear), Bi-cubic và thuật toán Kriging cho 
DEM 30m khu vực Đắc Hà ....................................................................................... 91 
Bảng 2-6. Các hệ số hồi quy tuyến tính cho các bộ dữ liệu DEM sau khi tái chia 
mẫu độ phân giải 20m khu vực Nghệ An và DEM độ phân giải 30m khu vực Nghệ 
An và các bộ dữ liệu DEM lấy mẫu độ phân giải 5m khu vực Lang Sơn và DEM độ 
phân giải 30m khu vực Đắc Hà ................................................................................. 95 
Bảng 3-1. Sai số trung phương của các phương pháp tái chia mẫu song tuyến, Bi-
cubic, nội suy Kriging và phương pháp dùng mô hình mạng neuron Hopfiled HNN
 ................................................................................................................................. 120 
Bảng 3-2. Các hệ số hồi quy tuyến tính cho cả bốn bộ dữ liệu D1, D2, S1, S2 ..... 121 
vii 
Bảng 3-3. Bảng thống kê các chênh lệch độ cao, các sai số giữa các DEM tăng độ 
phân giải và các điểm đo bằng toàn đạc điện tử ..................................................... 137 
Bảng PL2-1. Bảng so sánh chênh cao giữa DEM sau khi tăng độ phân giải bằng 
thuật toán mạng neuron Hopfiled (DEM HNN), DEM đầu vào (DEM Input) và các 
DEM sau khi tái chia mẫu song tuyến (DEM Bilinear), Bi-cubic (DEM Bi-cubic), 
Kriging (DEM Kriging) – đối với bộ dữ liệu DEM 5m Lạng Sơn với 236 điểm độ 
cao được đo bằng máy toàn đạc điện tử ở cùng khu vực ....................................... 158 
viii 
DANH MỤC CÁC HÌNH VẼ 
Hình 1-1. Mô hình số bề mặt (DSM) và mô hình số địa hình (DTM) [13] ................ 9 
Hình 1-2. Mô hình số độ cao (DEM) và mô hình số địa hình (DTM) ........................ 9 
Hình 1-3. Các phương pháp biểu diễn dữ liệu độ cao số [87] .................................. 11 
Hình 1-4. DEM dạng GRID có cấu trúc như một ảnh dạng raster trong đó bề mặt 
chia thành các ô vuông và mỗi ô vuông có một giá trị độ cao [34] .......................... 12 
Hình 1-5. DEM dạng grid biểu thị bề mặt địa hình bằng các ô vuông, mỗi ô vuông 
có môt giá trị độ cao đại diện cho độ cao của các điểm nằm trong ô vuông đó và 
DEM dạng grid biểu thị bề mặt địa hình bằng mạng lưới nối các điểm độ cao được 
phân bố đều theo hàng dọc và ngang [61] ............................................................... 12 
Hình 1-6. DEM theo lưới UTM của Mỹ với X = Y = 30mét (USGS, 1993) [28] . 17 
Hình 1-7. Cấu trúc của một neuron sinh học [16] ..................................................... 38 
Hình 1-8. Nguyên lý hoạt động của một neuron sinh học mô phỏng bằng các neuron 
nhân tạo [66] ............................................................................................................. 40 
Hình 1-9. Mô hình mạng neuron nhân tạo một nút – Perceptron [71] ...................... 41 
Hình 1-10. Mô hình mạng neuron nhiều lớp [83] ..................................................... 42 
Hình 1-11. Phân loại mạng neuron nhân tạo [21] ..................................................... 42 
Hình 1-12. Cấu trúc của một mạng Hopfield [15] .................................................... 45 
Hình 2-1. Mô hình đường hồi quy tổng quát [62] ........................................................ 56 
Hình 2-2. Đường trùng khớp tuyệt đối theo tương quan thuận [14] ......................... 57 
Hình 2-3. Biểu đồ phân tán với các giá trị tương quan khác nhau tương ứng với 
thành phần sai số ngẫu nhiên lớn hay nhỏ [12] ......................................................... 58 
Hình 2-4. Ví dụ minh họa về nội suy song tuyến [7] ................................................ 60 
Hình 2-5. Tái chia mẫu song tuyến để ước tính giá trị f của điểm P (x, y) từ điểm 
Q11 = (x1, y1), Q12 = (x1, y2), Q21 = (x2, y1) và Q22 = ( x2, y2). Bốn điểm màu 
đỏ là các điểm dữ liệu để nội suy ... 36 -0.16 304.91 1.29 
66 306.2 306.75 -0.55 305.00 1.20 307.17 -0.97 306.36 -0.16 304.91 1.29 
67 304.4 305.54 -1.14 305.00 -0.60 306.15 -1.75 305.34 -0.94 306.78 -2.38 
68 305.9 308.68 -2.78 305.00 0.90 309.35 -3.45 309.35 -3.45 307.28 -1.38 
69 307.6 308.86 -1.26 305.04 2.56 309.27 -1.67 309.26 -1.66 309.19 -1.59 
70 308.5 309.37 -0.87 313.46 -4.96 310.58 -2.08 311.63 -3.13 310.06 -1.56 
71 305.1 306.17 -1.07 305.00 0.10 306.66 -1.56 306.04 -0.94 305.00 0.10 
72 307.4 306.70 0.70 305.04 2.36 307.15 0.25 306.35 1.05 307.12 0.28 
73 308.2 307.89 0.31 305.04 3.16 308.59 -0.39 308.83 -0.63 308.71 -0.51 
74 307.7 308.48 -0.78 305.04 2.66 309.25 -1.55 309.25 -1.55 307.12 0.58 
75 297.6 296.16 1.44 294.93 2.67 297.64 -0.04 296.68 0.92 297.22 0.38 
76 294 293.46 0.54 294.93 -0.93 294.93 -0.93 294.93 -0.93 294.75 -0.75 
77 298.8 298.43 0.37 294.93 3.87 299.81 -1.01 299.87 -1.07 299.49 -0.69 
78 301.3 301.21 0.09 305.00 -3.70 301.94 -0.64 302.71 -1.41 299.71 1.59 
79 298.2 297.56 0.64 293.65 4.55 299.34 -1.14 299.34 -1.14 298.99 -0.79 
80 302.5 301.52 0.98 305.00 -2.50 302.41 0.09 303.40 -0.90 302.25 0.25 
81 305.9 308.68 -2.78 305.00 0.90 309.35 -3.45 309.35 -3.45 309.51 -3.61 
82 307.1 310.74 -3.64 313.46 -6.36 311.40 -4.30 312.18 -5.08 309.46 -2.36 
83 310.9 311.10 -0.20 313.46 -2.56 312.57 -1.67 312.91 -2.01 312.94 -2.04 
84 310.4 310.58 -0.18 313.69 -3.29 311.52 -1.12 312.33 -1.93 311.72 -1.32 
85 318.2 317.21 0.99 313.69 4.51 317.29 0.91 317.61 0.59 317.74 0.46 
86 312.7 312.75 -0.05 313.46 -0.76 313.52 -0.82 313.50 -0.80 313.46 -0.76 
161 
87 321.1 319.94 1.16 322.48 -1.38 320.31 0.79 321.15 -0.05 320.75 0.35 
88 316.9 316.69 0.21 313.46 3.44 317.97 -1.07 317.97 -1.07 315.78 1.12 
89 321.4 321.29 0.11 322.48 -1.08 322.22 -0.82 322.32 -0.92 320.05 1.35 
90 318 318.51 -0.51 321.44 -3.44 319.39 -1.39 320.36 -2.36 316.55 1.45 
91 306.2 306.75 -0.55 305.00 1.20 307.17 -0.97 306.36 -0.16 304.91 1.29 
92 306.2 306.75 -0.55 305.00 1.20 307.17 -0.97 306.36 -0.16 304.91 1.29 
93 309 309.42 -0.42 309.90 -0.90 311.68 -2.68 311.68 -2.68 309.20 -0.20 
94 322.1 322.64 -0.54 322.62 -0.52 322.62 -0.52 322.62 -0.52 322.65 -0.55 
95 321.4 322.13 -0.73 322.62 -1.22 321.43 -0.03 321.88 -0.48 321.36 0.04 
96 293.1 292.17 0.93 287.85 5.25 295.66 -2.56 295.66 -2.56 291.40 1.70 
97 297.5 296.85 0.65 300.13 -2.63 298.68 -1.18 299.82 -2.32 295.23 2.27 
98 293.3 292.37 0.93 294.32 -1.02 294.78 -1.48 295.70 -2.40 294.40 -1.10 
99 297.5 297.23 0.27 300.13 -2.63 298.68 -1.18 299.23 -1.73 297.10 0.40 
100 312.3 310.10 2.20 309.90 2.40 312.79 -0.49 311.70 0.60 312.64 -0.34 
101 318.8 319.61 -0.81 321.44 -2.64 320.33 -1.53 320.75 -1.95 317.12 1.68 
102 316.3 315.79 0.51 317.00 -0.70 316.82 -0.52 317.72 -1.42 316.19 0.11 
103 310.3 310.76 -0.46 309.28 1.02 312.00 -1.70 311.10 -0.80 311.92 -1.62 
104 309.8 310.09 -0.29 309.90 -0.10 312.39 -2.59 311.51 -1.71 310.12 -0.32 
105 310.2 308.66 1.54 309.28 0.92 309.59 0.61 309.59 0.61 309.77 0.43 
106 311.1 313.93 -2.83 317.00 -5.90 315.07 -3.97 315.80 -4.70 311.90 -0.80 
107 314.1 315.65 -1.55 317.00 -2.90 317.00 -2.90 317.00 -2.90 313.69 0.41 
108 312.1 310.72 1.38 310.03 2.07 311.77 0.33 311.12 0.98 311.82 0.28 
109 315.8 312.92 2.88 309.90 5.90 315.04 0.76 315.28 0.52 315.35 0.45 
110 316.4 315.65 0.75 317.00 -0.60 317.00 -0.60 317.00 -0.60 317.01 -0.61 
111 317.1 316.26 0.84 317.00 0.10 315.28 1.82 315.97 1.13 316.59 0.51 
112 289.7 289.66 0.04 290.31 -0.61 293.21 -3.51 293.30 -3.60 291.08 -1.38 
113 289.8 289.66 0.14 290.31 -0.51 293.21 -3.41 293.30 -3.50 291.17 -1.37 
114 292.6 289.41 3.19 290.31 2.29 292.74 -0.14 291.86 0.74 291.94 0.66 
115 293.7 292.92 0.78 294.22 -0.52 295.32 -1.62 294.91 -1.21 294.86 -1.16 
116 289.3 288.43 0.87 289.81 -0.51 291.91 -2.61 291.84 -2.54 290.56 -1.26 
117 287.9 287.76 0.14 289.81 -1.91 291.40 -3.50 291.52 -3.62 290.06 -2.16 
118 289.2 289.02 0.18 290.00 -0.80 292.28 -3.08 292.35 -3.15 290.54 -1.34 
119 289.2 289.41 -0.21 290.00 -0.80 292.71 -3.51 292.62 -3.42 291.76 -2.56 
120 293.2 291.49 1.71 291.96 1.24 291.16 2.04 291.50 1.70 293.00 0.20 
162 
121 305.7 306.23 -0.53 303.00 2.70 303.55 2.15 303.34 2.36 304.87 0.83 
122 305.2 306.23 -1.03 303.00 2.20 303.55 1.65 303.34 1.86 304.12 1.08 
123 301.7 302.47 -0.77 303.00 -1.30 299.52 2.18 300.81 0.89 299.63 2.07 
124 305.6 305.76 -0.16 305.77 -0.17 305.77 -0.17 305.77 -0.17 305.66 -0.06 
125 306.2 306.03 0.17 305.77 0.43 304.95 1.25 305.26 0.94 305.47 0.73 
126 301.2 302.47 -1.27 303.00 -1.80 299.52 1.68 300.81 0.39 299.35 1.85 
127 304.4 304.50 -0.10 304.12 0.28 304.15 0.25 304.12 0.28 304.00 0.40 
128 303.4 303.45 -0.05 304.09 -0.69 301.80 1.60 301.71 1.69 302.35 1.05 
129 304.9 304.78 0.12 304.77 0.13 304.43 0.47 304.43 0.47 304.52 0.38 
130 304.7 304.04 0.66 304.00 0.70 304.00 0.70 304.00 0.70 304.26 0.44 
131 304.3 304.69 -0.39 304.09 0.21 304.20 0.10 304.17 0.13 304.46 -0.16 
132 304.3 304.06 0.24 304.00 0.30 304.02 0.28 304.02 0.28 304.38 -0.08 
133 304.3 304.02 0.28 304.00 0.30 303.14 1.16 303.49 0.81 303.91 0.39 
134 303.3 303.36 -0.06 304.09 -0.79 302.02 1.28 302.02 1.28 302.32 0.98 
135 304 304.08 -0.08 304.09 -0.09 302.82 1.18 303.30 0.70 303.24 0.76 
136 301.8 302.00 -0.20 299.01 2.79 300.28 1.52 299.80 2.00 300.70 1.10 
137 302.3 302.29 0.01 299.01 3.29 301.01 1.29 300.63 1.67 301.10 1.20 
138 301.7 302.06 -0.36 301.00 0.70 301.00 0.70 301.00 0.70 301.90 -0.20 
139 296.2 298.08 -1.88 299.01 -2.81 297.45 -1.25 298.01 -1.81 296.77 -0.57 
140 296.8 295.92 0.88 299.01 -2.21 296.13 0.67 296.13 0.67 297.68 -0.88 
141 293.3 292.53 0.77 290.31 2.99 294.20 -0.90 293.47 -0.17 294.97 -1.67 
142 297.7 297.93 -0.23 301.00 -3.30 297.61 0.09 297.61 0.09 297.20 0.50 
143 294.6 293.26 1.34 294.22 0.38 294.22 0.38 294.22 0.38 294.85 -0.25 
144 304.9 305.05 -0.15 304.12 0.78 304.35 0.55 304.38 0.52 304.54 0.36 
145 304.9 305.05 -0.15 304.12 0.78 304.35 0.55 304.38 0.52 304.54 0.36 
146 303.9 302.83 1.07 304.12 -0.22 303.12 0.78 303.42 0.48 302.35 1.55 
147 303.1 302.65 0.45 304.12 -1.02 302.83 0.27 303.31 -0.21 301.97 1.13 
148 304.9 304.40 0.50 304.77 0.13 303.24 1.66 303.69 1.21 303.72 1.18 
149 305.3 305.20 0.10 304.77 0.53 304.91 0.39 304.86 0.44 304.96 0.34 
150 304.9 305.68 -0.78 302.37 2.53 303.11 1.79 302.83 2.07 304.41 0.49 
151 304.9 304.90 0.00 302.37 2.53 302.27 2.63 301.92 2.98 304.09 0.81 
152 304.7 305.14 -0.44 304.12 0.58 304.45 0.25 304.45 0.25 304.88 -0.18 
153 304.9 305.05 -0.15 304.12 0.78 304.35 0.55 304.38 0.52 304.54 0.36 
154 304.9 305.05 -0.15 304.12 0.78 304.35 0.55 304.38 0.52 304.54 0.36 
163 
155 305.5 305.43 0.07 305.77 -0.27 305.26 0.24 305.37 0.13 305.61 -0.11 
156 301 298.33 2.67 302.37 -1.37 296.12 4.88 296.11 4.89 299.11 1.89 
157 292.1 289.62 2.48 289.81 2.29 289.72 2.38 289.75 2.35 292.87 -0.77 
158 296.8 297.97 -1.17 302.37 -5.57 295.85 0.95 295.94 0.86 295.67 1.13 
159 295.9 296.51 -0.61 300.31 -4.41 295.16 0.74 295.16 0.74 294.96 0.94 
160 296 295.59 0.41 300.31 -4.31 294.91 1.09 294.91 1.09 296.74 -0.74 
161 296.3 296.40 -0.10 293.47 2.83 294.67 1.63 294.22 2.08 294.87 1.43 
162 302.7 302.35 0.35 304.10 -1.40 302.29 0.41 303.00 -0.30 302.70 0.00 
163 302.9 303.38 -0.48 302.23 0.67 301.63 1.27 301.88 1.02 301.65 1.25 
164 302.9 303.38 -0.48 302.23 0.67 301.63 1.27 301.88 1.02 301.65 1.25 
165 298.8 299.74 -0.94 302.23 -3.43 297.85 0.95 297.85 0.95 297.09 1.71 
166 305 304.97 0.03 304.56 0.44 305.17 -0.17 305.17 -0.17 305.12 -0.12 
167 304.5 304.03 0.47 302.45 2.05 302.73 1.77 302.73 1.77 303.65 0.85 
168 304.7 304.73 -0.03 304.56 0.14 304.85 -0.15 304.75 -0.05 304.96 -0.26 
169 300.9 301.93 -1.03 302.45 -1.55 299.72 1.18 300.85 0.05 299.54 1.36 
170 304.4 304.58 -0.18 302.23 2.17 302.89 1.51 302.68 1.72 303.27 1.13 
171 305.3 304.88 0.42 305.00 0.30 304.18 1.12 304.48 0.82 304.62 0.68 
172 305.1 304.88 0.22 305.00 0.10 304.94 0.16 304.96 0.14 305.01 0.09 
173 305.4 305.27 0.13 305.00 0.40 305.39 0.01 305.39 0.01 305.49 -0.09 
174 304.4 304.27 0.13 304.73 -0.33 303.97 0.43 304.27 0.13 303.60 0.80 
175 303.9 303.62 0.28 302.77 1.13 303.53 0.37 303.26 0.64 303.61 0.29 
176 304.8 304.55 0.25 304.73 0.07 304.37 0.43 304.49 0.31 304.77 0.03 
177 304.6 304.79 -0.19 304.73 -0.13 304.69 -0.09 304.70 -0.10 304.73 -0.13 
178 305.9 305.72 0.18 305.77 0.13 304.90 1.00 305.22 0.68 305.37 0.53 
179 305.9 305.72 0.18 305.77 0.13 304.90 1.00 305.22 0.68 305.37 0.53 
180 296.9 297.63 -0.73 293.47 3.43 295.39 1.51 294.65 2.25 297.85 -0.95 
181 301.9 301.88 0.02 302.77 -0.87 302.24 -0.34 302.44 -0.54 300.75 1.15 
182 303.9 303.97 -0.07 302.77 1.13 303.79 0.11 303.66 0.24 303.06 0.84 
183 304.4 304.73 -0.33 304.10 0.30 303.82 0.58 303.93 0.47 303.88 0.52 
184 303 303.69 -0.69 302.23 0.77 302.34 0.66 302.34 0.66 302.09 0.91 
185 302.8 303.00 -0.20 302.77 0.03 302.81 -0.01 302.78 0.02 301.70 1.10 
186 293.9 291.82 2.08 291.96 1.94 290.70 3.20 290.70 3.20 294.15 -0.25 
187 294.3 292.72 1.58 291.96 2.34 291.33 2.97 291.57 2.73 291.96 2.34 
188 304.9 304.79 0.11 302.45 2.45 303.24 1.66 302.94 1.96 303.62 1.28 
164 
189 298.1 298.88 -0.78 298.37 -0.27 298.37 -0.27 298.37 -0.27 296.26 1.84 
190 293.4 291.88 1.52 289.18 4.22 292.26 1.14 292.83 0.57 290.00 3.40 
191 296.5 296.86 -0.36 298.37 -1.87 294.90 1.60 294.53 1.97 293.70 2.80 
192 295 293.55 1.45 289.18 5.82 293.84 1.16 293.82 1.18 293.76 1.24 
193 297.8 297.48 0.32 298.37 -0.57 296.14 1.66 296.97 0.83 298.37 -0.57 
194 298.3 298.88 -0.58 298.69 -0.39 298.53 -0.23 298.53 -0.23 296.39 1.91 
195 298.3 298.88 -0.58 298.69 -0.39 298.53 -0.23 298.53 -0.23 296.39 1.91 
196 292.3 290.92 1.38 289.44 2.86 291.68 0.62 290.84 1.46 291.66 0.64 
197 294.5 295.10 -0.60 298.69 -4.19 296.38 -1.88 297.24 -2.74 292.86 1.64 
198 299.3 298.85 0.45 298.69 0.61 299.34 -0.04 299.07 0.23 299.68 -0.38 
199 294.2 294.42 -0.22 295.38 -1.18 296.20 -2.00 295.89 -1.69 295.38 -1.18 
200 296.4 296.53 -0.13 295.38 1.02 297.22 -0.82 296.53 -0.13 294.65 1.75 
201 297.9 298.57 -0.67 295.38 2.52 298.55 -0.65 298.75 -0.85 296.35 1.55 
202 302 301.99 0.01 298.69 3.31 301.12 0.88 301.22 0.78 301.70 0.30 
203 304.7 305.14 -0.44 304.00 0.70 304.00 0.70 304.00 0.70 304.00 0.70 
204 305.3 305.35 -0.05 304.00 1.30 304.00 1.30 304.00 1.30 304.44 0.86 
205 304.4 304.45 -0.05 304.00 0.40 304.00 0.40 304.00 0.40 304.01 0.39 
206 302.3 302.70 -0.40 301.28 1.02 302.54 -0.24 302.11 0.19 303.32 -1.02 
207 304.2 304.46 -0.26 303.94 0.26 304.25 -0.05 304.25 -0.05 304.21 -0.01 
208 302.8 302.65 0.15 300.64 2.16 302.37 0.43 302.12 0.68 301.18 1.62 
209 304.3 303.56 0.74 300.64 3.66 303.03 1.27 303.03 1.27 303.60 0.70 
210 304.5 304.37 0.13 304.00 0.50 304.18 0.32 304.11 0.39 303.25 1.25 
211 298.3 298.01 0.29 293.34 4.96 297.51 0.79 297.32 0.98 297.70 0.60 
212 294.3 295.95 -1.65 293.34 0.96 295.68 -1.38 294.80 -0.50 293.67 0.63 
213 300.8 300.80 0.00 304.00 -3.20 301.74 -0.94 302.63 -1.83 300.28 0.52 
214 303.3 303.29 0.01 301.84 1.46 302.92 0.38 302.92 0.38 303.05 0.25 
215 304.8 304.30 0.50 304.00 0.80 303.39 1.41 303.63 1.17 303.30 1.50 
216 302.3 303.26 -0.96 300.70 1.60 302.49 -0.19 302.44 -0.14 301.32 0.98 
217 302.3 303.26 -0.96 300.70 1.60 302.49 -0.19 302.44 -0.14 301.32 0.98 
218 295.6 296.66 -1.06 298.93 -3.33 298.21 -2.61 298.44 -2.84 298.22 -2.62 
219 302.2 302.24 -0.04 301.28 0.92 301.22 0.98 301.25 0.95 300.84 1.36 
220 291.8 292.21 -0.41 292.92 -1.12 294.42 -2.62 293.86 -2.06 293.91 -2.11 
221 301.7 302.04 -0.34 300.92 0.78 300.40 1.30 300.12 1.58 299.36 2.34 
222 301.7 302.04 -0.34 300.92 0.78 300.40 1.30 300.12 1.58 299.36 2.34 
165 
223 302.8 303.24 -0.44 303.94 -1.14 302.61 0.19 302.61 0.19 302.83 -0.03 
224 297 296.44 0.56 300.64 -3.64 297.20 -0.20 298.51 -1.51 295.35 1.65 
225 303.7 303.75 -0.05 303.94 -0.24 303.19 0.51 303.47 0.23 303.35 0.35 
226 304.1 303.74 0.36 304.00 0.10 302.93 1.17 303.32 0.78 303.31 0.79 
227 304 303.79 0.21 303.94 0.06 303.06 0.94 303.42 0.58 303.51 0.49 
228 300.2 300.84 -0.64 298.66 1.54 300.39 -0.19 300.74 -0.54 299.40 0.80 
229 298.7 299.91 -1.21 300.64 -1.94 299.99 -1.29 300.22 -1.52 297.48 1.22 
230 302.8 302.13 0.67 304.00 -1.20 301.77 1.03 302.62 0.18 301.37 1.43 
231 304.4 304.20 0.20 304.00 0.40 303.99 0.41 303.99 0.41 302.94 1.46 
232 302.8 302.30 0.50 298.66 4.14 301.61 1.19 301.50 1.30 302.22 0.58 
233 292.4 288.94 3.46 286.02 6.38 291.93 0.47 291.30 1.10 291.97 0.43 
234 292.2 292.31 -0.11 293.34 -1.14 293.41 -1.21 293.37 -1.17 291.54 0.66 
235 295.7 296.68 -0.98 293.34 2.36 296.99 -1.29 296.99 -1.29 296.74 -1.04 
236 297.2 296.68 0.52 293.34 3.86 296.99 0.21 296.99 0.21 296.74 0.46 
166 
PHỤ LỤC 3 
MỘT SỐ KẾT QUẢ KHÁC VỀ ĐÁNH GIÁ ĐỘ CHÍNH XÁC CỦA CÁC 
GRID DEM 
PL3.1. So sánh sự khác nhau giữa DEM tham khảo (Reference DEM) và DEM 
kết quả của các phương pháp tái chia mẫu song tuyến Bilinear, Bi-cubic, 
Nearest Neighbor và của phương pháp sử dụng mô hình HNN (mạng neuron 
Hopfiled) 
Hình PL3-1. Sự khác nhau giữa DEM tham khảo (Reference DEM) và DEM kết quả của các 
phương pháp tái chia mẫu song tuyến Bilinear, Bi-cubic, Nearest Neighbor và của phương 
pháp sử dụng mô hình HNN (mô hình mạng neuron Hopfiled) 
(a) (b) 
(c) (d) 
167 
Trong đó: 
(a)- Sự khác nhau giữa DEM tham khảo (Reference DEM) và DEM kết quả sau khi tái chia 
mẫu song tuyến Bilinear (B-DEM); 
(b)- Sự khác nhau giữa DEM tham khảo (Reference DEM) và DEM kết quả sau khi tái chia 
mẫu Bi-cubic (C-DEM); 
(c)- Sự khác nhau giữa DEM tham khảo (Reference DEM) và DEM kết quả của phương 
pháp sử dụng mô hình mạng neuron Hopfiled (D-DEM); 
(d)- Sự khác nhau giữa DEM tham khảo (Reference DEM) và DEM kết quả của phương 
pháp nội suy Người láng giềng gần nhất (Nearest Neighbor) (N-DEM). 
168 
PL3.2. Biểu đồ thống kê số lượng các pixel theo giá trị khác biệt giữa DEM 
tham khảo (Reference DEM) và DEM kết quả của các phương pháp tái chia 
mẫu song tuyến Bilinear, Bi-cubic, Nearest Neighbor và của phương pháp sử 
dụng mô hình HNN (mạng neuron Hopfiled) 
Hình PL3-2. Biểu đồ thống kê số lượng các pixel theo giá trị khác biệt giữa DEM tham khảo 
(Reference DEM) và DEM kết quả của các phương pháp tái chia mẫu song tuyến Bilinear, 
Bi-cubic, Nearest Neighbor và của phương pháp sử dụng mô hình HNN (mạng neuron 
Hopfiled) 
(a) (b) 
(c) (d) 
169 
Trong đó: 
(a)-Biểu đồ thống kê số lượng các pixel theo giá trị khác biệt giữa DEM tham khảo 
(Reference DEM) và DEM kết quả sau khi tái chia mẫu song tuyến Bilinear (B-DEM); 
(b)-Biểu đồ thống kê số lượng các pixel theo giá trị khác biệt giữa DEM tham khảo 
(Reference DEM) và DEM kết quả sau khi tái chia mẫu Bi-cubic (C-DEM); 
(c)-Biểu đồ thống kê số lượng các pixel theo giá trị khác biệt giữa DEM tham khảo 
(Reference DEM) và DEM kết quả của phương pháp sử dụng mạng neuron Hopfiled (D-DEM) 
(d)-Biểu đồ thống kê số lượng các pixel theo giá trị khác biệt giữa DEM tham khảo 
(Reference DEM) và DEM kết quả của phương pháp Nearest Neighbor (N-DEM).

File đính kèm:

  • pdfluan_an_nghien_cuu_nang_cao_do_chinh_xac_cua_mo_hinh_so_do_c.pdf
  • pdfThong tin ve KL moi cua LATS.pdf
  • pdfTom tat luan an - Tieng Anh.pdf
  • pdfTom tat luan an - Tieng Viet.pdf