Generación de modelo digital de elevaciones (MDE) de ondulaciones geoidales usando el metodo GNSS/nivelación y redes neuronales artificiales a partir de datos dispersos

• Autores: Llano Cruz, Heber, Gonzales Aceituno, Jorge Luis
• Formato: tesis de grado
• Fecha de Publicación: 2018
• Institución: Universidad Nacional Del Altiplano
• Repositorio: UNAP-Institucional
• Lenguaje: español
• OAI Identifier: oai:https://repositorio.unap.edu.pe:20.500.14082/7316
• Enlace del recurso: http://repositorio.unap.edu.pe/handle/20.500.14082/7316
• Nivel de acceso: acceso abierto
• Materia: Ciencias naturales; Topografía geodesia, cartografía y catastro

Además de conocer las coordenadas UTM (Este y Norte) de cualquier punto de la superficie terrestre surge la necesidad de obtener con precisión el valor de la altura referida al nivel medio de los mares (alturas ortométricas), debido a su aplicación práctica en diversas obras de ingeniería. Es por tal motivo que el objetivo del presente proyecto es generar un modelo digital de elevaciones (MDE) de las ondulaciones geoidales, aplicando el método GNSS/nivelación a través del entrenamiento y aprendizaje de redes neuronales artificiales utilizando la interfaz gráfica del software Matlab, el proyecto se encuentra ubicado en un sector de la ciudad de Puno, en la zona norte del área urbana con una extensión de 144 has. La formulación de modelos de ondulaciones geoidales se lleva a cabo a través de cálculos que combinan el posicionamiento GNSS para las alturas elipsoidales y nivelación geométrica para las alturas ortométricas (a través de la relación N=h-H). El aprendizaje de la red es de tipo supervisado utilizando una red del tipo backpropagation, culminado el entrenamiento, la red neuronal artificial tiene la capacidad de predecir ondulaciones geoidales (N), a partir de entradas norte y este, seguidamente generamos puntos norte y este uniformemente distribuidos (grillado) a cada 50m dentro del perímetro de estudio, éste último para la generación del modelo digital de elevaciones (MDE). Comprobado la capacidad predictiva de la RNA, se procede a realizar pruebas de validación con un grupo de puntos (test), grupo que no forma parte del entrenamiento. Las precisiones predecidas, tienen una desviación estándar de 0.03831m, haciendo un análisis de varianza t de student, se determinó que no existe diferencia significativa respecto a las ondulaciones conocidas, con el cual se concluye que es aplicable dentro del área de estudio.