Từ khóa
Mạng nơ ron Hopfield
Nâng cao độ phân giải DEM
Hopfield Neural Network
Downscaling
Ngôn ngữ sử dụng
Cách trích dẫn
Tóm tắt
Bài báo đề cập đến việc cải thiện độ chính xác của mô hình số độ cao (Digital Elevation Model - DEM). Mặc dù, các thuật toán tái chia mẫu song tuyến, bicubic, Kriging và mô hình tăng độ phân giải bằng mạng nơ ron Hopfield (HNN) cho phép nâng cao độ chính xác cho mô hình số độ cao, đặc biệt là mô hình số độ cao từ các nguồn dữ liệu toàn cầu như SRTM, ASTER, v.v., sự tham gia của dữ liệu độ cao bổ sung cũng có thể cải thiện hơn nữa độ chính xác của mô hình số độ cao. Bài báo này đề xuất một mô hình HNN với sự tham gia của hàm hiệu chỉnh độ cao và sự thay đổi của điều kiện ràng buộc. Mô hình được thử nghiệm đánh giá tại Cao Bằng với dữ liệu DEM SRTM 30 m tại một khu vực có kích thước 1650 m × 1344 m, với 130 điểm độ cao được sử dụng để nâng cao độ chính xác và 64 điểm được sử dụng để đánh giá. Kết quả thử nghiệm cho thấy độ chính xác của DEM tăng lên tới 30% nhờ các điểm độ cao bổ sung. Kết quả cho thấy mô hình có khả năng được áp dụng trên thực tế để nâng cao độ chính xác của mô hình số độ cao DEM, đặc biệt là các DEM toàn cầu.