Luận án tiến sĩ kỹ thuật nghiên cứu nâng cao độ chính xác của mô hình số độ cao

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 .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 .1 Tổng quan về mô hình số độ cao .1 Các khái niệm và định nghĩa về mô hình số độ cao .2 Các cấu trúc của mô hình số độ cao (DEM) .3 Các phương pháp thành lập mô hình số độ cao (DEM) .4 Độ chính xác bề mặt mô hình số địa hình (DEM) .5 Các ứng dụng của mô hình số độ cao .6 Công tác thành lập DEM ở trong và ngoài nước .7 Một số nghiên cứu về cải thiện và đánh giá độ chính xác DEM .2 Tổng quan về mạng neuron .1 Cấu tạo của một neuron sinh học .2 Nguyên lý hoạt động của các neuron .3 Khái niệm và cấu trúc của mạng neuron nhân tạo .4 Phân loại mạng neuron .5 Đặc điểm của mạng neuron nhân tạo .6 Ứng dụng của mạng neuron nhân tạo .7 Mạng neuron Hopfield .8 Ứng dụng mạng neuron Hopfield trong các bài toán tối ưu hóa .3 Luận giải về tăng độ phân giải không gian grid DEM .4 Một số nghiên cứu tiêu biểu về tăng độ phân giải không gian và tăng độ chính xác DEM .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 .1 Các phương pháp đánh giá độ chính xác của grid DEM .1 Phương pháp đánh giá trực quan.2 Phương pháp đánh giá định lượng .2 Một số thuật toán tái chia mẫu (Resampling) phổ biến nhằm tăng độ phân giải không gian cho DEM dạng grid .1 Phương pháp tái chia mẫu Bilinear (song tuyến) .2 Phương pháp nội suy dựa vào điểm lân cận gần nhất (Nearest Neighbor)61 2.3 Phương pháp tái chia mẫu Bi-cubic .4 Phương pháp nội suy Kriging .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 .1 Dữ liệu và thực nghiệm .2 Phân tích về độ chính xác.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…… .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 .2 Mạng neuron Hopfield ứng dụng cho siêu phân giải bản đồ (super- resolution mapping/sub-pixel mapping) .1 Xây dựng mô hình .2 Thiết lập các hàm mục tiêu và điều kiện .3 Xây dựng thuật toán nâng cao độ chính xác của mô hình số độ cao dạng grid……….1 Xây dựng mô hình mạng neuron Hopfield nhằm tăng độ phân giải không gian của mô hình số độ cao DEM dạng grid .2 Sơ đồ khối của thuật toán .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 .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) .1 Dữ liệu thực nghiệm .2 Kết quả thực nghiệm, phân tích độ chính xác .3 Đánh giá trực quan .4 Đánh giá định lượng .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 .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.

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]. 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]. Một số các thông số được tính toán từ DEM và các ứng dụng của chúng.

Một số loại DEM ở nước ta hiện nay. Đánh giá độ chính xác của DEM dựa trên tiêu chuẩn ASPRS cho dữ liệu không gian địa lý kỹ thuật số. 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. 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.

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. 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. 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. 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.

Các hệ số hồi quy tuyến tính cho cả bốn bộ dữ liệu D1, D2, S1, S2. 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. 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].

Mô hình số độ cao (DEM) và mô hình số địa hình (DTM). Các phương pháp biểu diễn dữ liệu độ cao số [87]. 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]. 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].

DEM theo lưới UTM của Mỹ với X = Y = 30mét (USGS, 1993) [28]. Cấu trúc của một neuron sinh học [16]. Nguyên lý hoạt động của một neuron sinh học mô phỏng bằng các neuron nhân tạo [66]. Mô hình mạng neuron nhân tạo một nút – Perceptron [71].

Mô hình mạng neuron nhiều lớp [83]. Phân loại mạng neuron nhân tạo [21]. Cấu trúc của một mạng Hopfield [15]. Mô hình đường hồi quy tổng quát [62].

Đường trùng khớp tuyệt đối theo tương quan thuận [14]. 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]. Ví dụ minh họa về nội suy song tuyến [7]. 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 và điểm màu xanh lá cây P là điểm cần nội suy [33]. Ví dụ về phương pháp nội suy Nearest Neighbor [7]. Ví dụ về dữ liệu không có phương sai theo chiều ngang nhưng thay đổi rất nhiều dọc theo trục dọc của tập dữ liệu [72]. Quá trình thực nghiệm sử dụng dữ liệu DEM giảm độ phân giải.

Các bước thực nghiệm với dữ liệu grid DEM thực. Tăng độ phân giải không gian của DEM khu vực Yên Thành, Nghệ An từ độ phân giải 60m đến 20m (bộ dữ liệu D1). Tăng độ phân giải không gian của DEM SRTM khu vực Yên Thành, Nghệ An) từ độ phân giải 90m đến 30m (bộ dữ liệu D2). Dữ liệu DEM khu vực Mai Pha, Lạng Sơn sau khi tăng độ phân giải không gian từ 20m lên 5m (bộ dữ liệu S1).

Dữ liệu DEM khu vực Đắc Hà, Kon Tum sau khi tăng độ phân giải không gian từ 90m lên 30m (Bộ dữ liệu S2). Sơ đồ vị trí các mặt cắt của 4 khu vực thực nghiệm .