Nghiên cứu nâng cao độ chính xác mô hình số độ cao grid bằng mạng neuron Hopfield

Luận án tiến sĩ nghiên cứu nghiên cứu nâng cao độ chính xác của mô hình số độ cao dạng grid bằng mạng neuron hopfield, phát triển phương pháp mới, đánh giá hiệu quả ứng dụng trong

• Tác giả: Nguyễn Thị Thu Hương
• Người hướng dẫn: PGS.TS Nguyễn Quang Minh
• Trường học: Trường Đại Học Mỏ - Địa Chất
• Chuyên ngành: Kỹ Thuật Trắc Địa - Bản Đồ
• Đề tài: Nghiên Cứu Nâng Cao Độ Chính Xác Của Mô Hình Số Độ Cao Dạng Grid Bằng Mạng Neuron Hopfield
• Loại tài liệu: luận án tiến sĩ
• Năm xuất bản: 2021
• Địa điểm: Hà Nội

Tóm tắt

I. Tổng quan về nghiên cứu mô hình số độ cao dạng grid

Mô hình số độ cao dạng grid (DEM) là một công cụ quan trọng trong việc mô phỏng bề mặt địa hình. Nghiên cứu này tập trung vào việc nâng cao độ chính xác của DEM bằng cách áp dụng mạng neuron Hopfield. Mô hình này không chỉ giúp cải thiện độ chính xác mà còn tối ưu hóa quy trình phân tích dữ liệu địa lý. Việc sử dụng DEM trong các lĩnh vực như quy hoạch đô thị, quản lý tài nguyên thiên nhiên và phòng chống thiên tai ngày càng trở nên phổ biến.

1.1. Khái niệm và vai trò của mô hình số độ cao

Mô hình số độ cao (DEM) là một dạng dữ liệu không gian thể hiện độ cao của bề mặt địa hình. DEM có vai trò quan trọng trong việc phân tích địa hình, hỗ trợ các ứng dụng như lập bản đồ, dự báo thiên tai và quản lý tài nguyên.

1.2. Lịch sử phát triển và ứng dụng của DEM

Từ những năm 1950, DEM đã được phát triển và ứng dụng rộng rãi trong nhiều lĩnh vực. Các công nghệ hiện đại như LiDAR và UAV đã giúp nâng cao độ chính xác và độ phân giải của DEM, mở ra nhiều cơ hội mới cho nghiên cứu địa lý.

II. Thách thức trong việc nâng cao độ chính xác của mô hình số độ cao

Mặc dù DEM đã được sử dụng rộng rãi, nhưng vẫn tồn tại nhiều thách thức trong việc nâng cao độ chính xác của nó. Các yếu tố như độ phân giải thấp, sai số trong quá trình thu thập dữ liệu và phương pháp tái chia mẫu không hiệu quả có thể ảnh hưởng đến chất lượng của DEM. Việc tìm kiếm giải pháp để khắc phục những vấn đề này là rất cần thiết.

2.1. Các yếu tố ảnh hưởng đến độ chính xác của DEM

Độ chính xác của DEM phụ thuộc vào nhiều yếu tố như phương pháp thu thập dữ liệu, độ phân giải không gian và các thuật toán xử lý dữ liệu. Những yếu tố này cần được xem xét kỹ lưỡng để cải thiện chất lượng của mô hình.

2.2. Sai số trong mô hình số độ cao và cách khắc phục

Sai số trong DEM có thể đến từ nhiều nguồn khác nhau, bao gồm sai số đo đạc và sai số trong quá trình xử lý dữ liệu. Việc áp dụng các phương pháp như mạng neuron Hopfield có thể giúp giảm thiểu sai số và nâng cao độ chính xác.

III. Phương pháp sử dụng mạng neuron Hopfield để nâng cao độ chính xác

Mạng neuron Hopfield là một công cụ mạnh mẽ trong việc tối ưu hóa và nâng cao độ chính xác của mô hình số độ cao. Phương pháp này cho phép xử lý dữ liệu một cách hiệu quả, từ đó cải thiện độ chính xác của DEM. Nghiên cứu đã chỉ ra rằng việc áp dụng mạng neuron Hopfield có thể mang lại kết quả tốt hơn so với các phương pháp truyền thống.

3.1. Nguyên lý hoạt động của mạng neuron Hopfield

Mạng neuron Hopfield hoạt động dựa trên nguyên lý tối ưu hóa, cho phép tìm kiếm giá trị tối ưu cho các grid trong mô hình DEM. Nguyên lý này giúp cải thiện độ chính xác của dữ liệu địa lý.

3.2. Ứng dụng mạng neuron Hopfield trong nâng cao độ chính xác DEM

Việc áp dụng mạng neuron Hopfield trong nâng cao độ chính xác của DEM đã cho thấy hiệu quả rõ rệt. Nghiên cứu đã chỉ ra rằng phương pháp này giúp giảm sai số trung bình và nâng cao độ chính xác của mô hình.

IV. Kết quả thực nghiệm và ứng dụng thực tiễn

Kết quả thực nghiệm cho thấy việc sử dụng mạng neuron Hopfield đã nâng cao đáng kể độ chính xác của mô hình số độ cao dạng grid. Các ứng dụng thực tiễn của nghiên cứu này bao gồm quy hoạch đô thị, quản lý tài nguyên thiên nhiên và phòng chống thiên tai. Những kết quả này mở ra hướng đi mới cho việc ứng dụng DEM trong các lĩnh vực khác nhau.

4.1. Phân tích kết quả thực nghiệm

Kết quả thực nghiệm cho thấy độ chính xác của DEM đã được cải thiện rõ rệt khi áp dụng mạng neuron Hopfield. Các chỉ số đánh giá như sai số trung bình đã giảm đáng kể, chứng tỏ hiệu quả của phương pháp.

4.2. Ứng dụng của mô hình trong thực tiễn

Mô hình số độ cao được nâng cao độ chính xác có thể được ứng dụng trong nhiều lĩnh vực như quy hoạch đô thị, quản lý tài nguyên và phòng chống thiên tai. Điều này giúp cải thiện chất lượng cuộc sống và bảo vệ môi trường.

V. Kết luận và triển vọng nghiên cứu trong tương lai

Nghiên cứu về nâng cao độ chính xác của mô hình số độ cao dạng grid bằng mạng neuron Hopfield đã mở ra nhiều cơ hội mới cho việc ứng dụng DEM trong thực tiễn. Các kết quả đạt được không chỉ có giá trị lý thuyết mà còn có ý nghĩa thực tiễn sâu sắc. Triển vọng nghiên cứu trong tương lai sẽ tiếp tục tập trung vào việc cải thiện các phương pháp và ứng dụng mới của DEM.

5.1. Tóm tắt kết quả nghiên cứu

Nghiên cứu đã chỉ ra rằng việc áp dụng mạng neuron Hopfield có thể nâng cao đáng kể độ chính xác của mô hình số độ cao. Các kết quả thực nghiệm đã chứng minh tính khả thi của phương pháp này.

5.2. Hướng nghiên cứu tiếp theo

Hướng nghiên cứu tiếp theo sẽ tập trung vào việc phát triển các thuật toán mới và cải thiện độ chính xác của DEM. Việc áp dụng công nghệ mới và các phương pháp tiên tiến sẽ là chìa khóa cho sự phát triển trong lĩnh vực này.

Trích đoạn nội dung tài liệu

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 1.1 Tổng quan về mô hình số độ cao 1.1 Các khái niệm và định nghĩa về mô hình số độ cao Mô hình số độ cao – Digital Elevation Model (DEM) thể hiện bề mặt địa hình dưới dạng 3D theo các định dạng số. Bề mặt địa hình 3D được mô hình hóa bằng một hàm có dạng z = f(x, y) trong đó mỗi điểm (x, y) trong mặt phẳng D được gắn với một giá trị độ cao f(x, y). Theo quan điểm này, bề mặt địa hình là đồ thị biểu thị hàm số f theo các biến số là giá trị thuộc D [48]. Trên thực tế, bề mặt địa hình sẽ được đại diện bằng một số lượng hữu hạn các điểm trên bề mặt D theo các dạng như các ô vuông đều, các điểm rải rác hoặc các điểm gắn với đường bình độ (là mặt cắt của bề mặt địa hình với các mặt phẳng nằm ngang).

Tuy về mặt định nghĩa thì khái niệm bề mặt địa hình dạng số được định nghĩa khá rõ ràng, trong các tài liệu hiện nay vẫn có thể có các biến thể khác nhau bao gồm: mô hình số độ cao (Digital Elevation Model - DEM), mô hình số địa hình (Digital Terain Model - DTM) và mô hình số bề mặt (Digital Surface Model - DSM). Vì vậy trước tiên cần phải hiểu rõ và phân biệt được các khái niệm DEM, DTM và DSM. Mô hình số bề mặt (DSM) là một mô hình số độ cao miêu tả bề mặt mặt đất, bao gồm cả các đối tượng vật thể trên đó như cây, rừng, nhà cửa…[45], [44] và [26]. Mô hình số bề mặt (DSM) và mô hình số địa hình (DTM) [13] Mô hình số địa hình (DTM) và mô hình số độ cao (DEM) cũng là các mô hình số miêu tả bề mặt mặt đất nhưng không bao gồm các đối tượng vật thể trên đó.

Giữa mô hình số địa hình (DTM) và mô hình số độ cao (DEM) thì sự phân biệt không thật sự rõ ràng. Mặc dù lúc đầu mô hình số độ cao (DEM) được xây dựng với mục đích là để mô hình hóa bề mặt địa hình nhưng chúng cũng có thể được dùng để mô hình hóa các thuộc tính Z khác (nhiệt độ bề mặt nước biển, nhiệt độ, mật độ ô nhiễm không khí…) trên một bề mặt hai chiều. Mô hình số độ cao (DEM) và mô hình số địa hình (DTM) 10 Đã có nhiều nghiên cứu nói đến các khái niệm, định nghĩa về DEM [28], [27], [70], [45],… Chúng ta có thể tóm tắt như sau: Khi nói tới DEM là muốn chỉ một tập hợp của các điểm độ cao, còn khi nói về DTM thì ngoài các điểm độ cao còn có thêm thông tin về độ cao của các yếu tố địa hình nổi bật (các đường breaklines). Một cách khái quát, chúng ta có thể định nghĩa về DEM như sau: 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 miêu tả bề mặt địa hình bằng các hàm đơn trị Z = F(X,Y). Với bất cứ giá trị (X,Y) nào chỉ có một giá trị độ cao Z được xác định trong một DEM [87]. Định nghĩa này giúp chúng ta phân biệt được giữa DEM mô tả bề mặt địa hình và các mô hình 3D. Các bề mặt hoặc các vật thể (ví dụ như các mô hình nhà, các chi tiết máy,.) được mô tả trong mô hình 3D, với một vị trí (X,Y) có thể có nhiều hơn một giá trị Z.

Còn trong mô hình số độ cao DEM, khi mô tả bề mặt địa hình, trừ trường hợp địa hình đặc biệt như các vách đá dựng đứng hay các đứt gãy khác, còn lại bề mặt địa hình đều được mô tả bởi các hàm đơn trị nói trên.2 Các cấu trúc của mô hình số độ cao (DEM) Cấu trúc cơ bản của DEM xuất phát từ mô hình dữ liệu được sử dụng để đại diện cho nó. Có nhiều phương thức khác nhau để tạo ra bề mặt DEM như sử dụng mô hình DEM dạng grid, mô hình các tam giác không đều TIN (Triangulation Irregular Network) hoặc sử dụng mô hình toán học. Trong các công tác thu thập, lưu trữ và thể hiện, các dữ liệu độ cao số thường được chia thành 4 loại cơ bản là: các đường bình độ, các mặt cắt, mạng lưới đều (GRID) và mạng lưới tam giác không đều (TIN) [87]. Trong các phương pháp trên, mô hình DEM dạng grid được sử dụng nhiều vì có dạng thức đơn giản và dễ dàng sử dụng để phân tích thông tin bề mặt [18].

Hình 1-3(b) minh họa các đường bình độ được tạo nên bởi một số các điểm rời rạc. Hình 1-3(c) 11 biểu diễn các điểm độ cao thuộc một mặt cắt. Các phương pháp biểu diễn dữ liệu độ cao số [87] 1.1 Mô hình số độ cao dạng GRID Ở DEM dạng GRID, các giá trị Z tại vị trí của mỗi pixel là giá trị của độ cao tuyệt đối. Khi đó, bề mặt đất có thể được xem như bị chia ra thành các ô vuông nhỏ bởi có một mạng lưới phủ đều lên.

Khoảng cách giữa các mắt lưới là khoảng cách giữa hai điểm nút kế tiếp nhau. Khi khoảng cách giữa các mắt lưới đã được xác định thì mỗi ô vuông trong mạng lưới có thể được xác định vị trí bằng các tọa độ hàng/cột, có thể lấy góc cao bên trái của mạng lưới làm gốc tọa độ - tương tự như cấu trúc của ảnh số. Khi khoảng cách giữa các mắt lưới và số hàng/số cột được xác định thì các điểm nút được lưu trữ bằng cách tăng thứ tự của hàng và cột [87]. Grid DEM là cấu trúc ma trận ngầm ghi lại quan hệ Topo giữa các điểm dữ liệu và giá trị độ cao được lưu trữ tại mỗi điểm nút nói trên.

Trong Grid DEM, các mắt lưới được 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] 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] thể hiện theo hai hình thức: hoặc là lưu trữ theo điểm (các điểm độ cao) như trong DEM của Mỹ, hoặc là cả một pixel với kích thước là khoảng cách mắt lưới như DEM 9” của Úc. Theo Singare và Kale [42], Grid là cấu trúc ma trận ngầm ghi lại quan hệ Topo giữa các điểm dữ liệu.

Cấu trúc dữ liệu DEM dạng Grid tương tự như cấu trúc Raster của file ảnh số. Trong đó, Raster là một grid dạng số, thống nhất, hình vuông, bao phủ một diện tích nhất định trên bề mặt trái đất. Mỗi pixel của 13 DEM dạng grid có một giá trị độ cao nhất định là giá trị độ cao trung bình đại diện cho toàn bộ các điểm mà pixel đó bao phủ được trên bề mặt trái đất [89]. Các Grid DEM có nhiều loại kích thước nhưng phổ biến nhất là từ 5m đến 30m.

Nếu thể hiện bề mặt địa hình dưới dạng 3D có thể thấy bề mặt địa hình sẽ được sấp sỉ hóa bằng các hình trụ vuông mà chiều cao của hình trụ chính là độ cao so với bề mặt chuẩn (có thể là mặt geoid) như Hình 1-5. Theo cách biểu thị này, bề mặt địa hình sẽ càng được mô phỏng chính xác khi kích thước các ô vuông (mắt lưới) càng nhỏ. Và như vậy một bề mặt địa hình sẽ được biểu diễn bằng một hoặc nhiều ảnh có cấu trúc dữ liệu dạng raster với mỗi điểm ảnh (pixel) tương ứng với một ô vuông trong lưới ô vuông GRID và giá trị Z của mỗi điểm ảnh chính là giá trị độ cao của ô vuông trong lưới ô vuông GRID [34]. Một cách biểu thị GRID DEM khác là việc sử dụng một ma trận các điểm tạo thành lưới ô vuông đều, trong đó mỗi điểm đỉnh lưới ô vuông là một điểm độ cao.

Nếu biểu diễn DEM dạng GRID theo cách này thì bề mặt địa hình 3D sẽ được biểu diễn như hình vẽ bên trái trong Hình 1-5 trong đó bề mặt địa hình tương đối trơn và giống với bề mặt địa hình thực. Khác với GRID DEM biểu thị theo cách đầu tiên, dữ liệu GRID DEM lưu trữ theo cách này sẽ là dữ liệu dạng vector, trong đó mỗi điểm mắt lưới sẽ là một đối tượng dữ liệu dạng điểm với thuộc tính là Z. Cách biểu thị GRID DEM này có ưu điểm là mô hình bề mặt 3D khá trơn và mượt, có cảm giác giống bề mặt địa hình thực, tuy nhiên dữ liệu lưu trữ theo cấu trúc dữ liệu vector và về bản chất cũng tương tự như mô hình số độ cao dạng mạng lưới tam giác không đều (TIN) do vậy có những nhược điểm của mô hình số độ cao dạng TIN như khó thực hiện phân tích không gian bề mặt địa hình, bề mặt mô hình số địa hình là một bề mặt rời rạc, mỗi khi cần xác định độ cao của một điểm địa hình bất kỳ sẽ phải nội suy lại dữ liệu để xác định giá trị độ cao cho điểm này. Mặt khác, dữ liệu gốc để xây dựng DEM có độ phân giải trung bình, có quy mô lớn và phổ biến hiện nay chủ yếu là dữ liệu ảnh, do đó dữ liệu GRID DEM theo định dạng raster được sử dụng nhiều và rất phổ biến.2 Mô hình số độ cao dạng TIN Mô hình số độ cao ở dạng TIN (Triangulated Irregular Networks) đã được phát triển như là một cách đơn giản để xây dựng một bề mặt từ một tập hợp các điểm có sự phân bố không đều.

Cấu trúc dữ liệu dạng TIN dựa trên các điểm, đường, vùng có phân bố không đồng đều và thường được chia ra thành các đám điểm (mass points) và các đường breaklines [27]. Mạng TIN có thể được xây dựng từ nhiều nguồn dữ liệu: các đường bình độ được số hóa, các điểm đặc trưng địa hình hoặc từ Grid DEM. Trong cấu trúc này, thông thường các điểm không phản ánh các đặc trưng địa hình sẽ bị loại bỏ và chỉ giữ lại các đỉnh tam giác với giãn cách lớn nhất có thể, tùy theo sự thay đổi của địa hình (tam giác Delaunay).