Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
RESUMEN
El desarrollo de tcnicas de posicionamiento satelital, proporciona la posibilidad de disponer de
coordenadas geogrficas de alta precisin, que tienen como referencia un dtum geocntrico y
un modelo geomtrico o elipsoide de referencia para su representacin en valores angulares,
consiguiendo de esta forma aproximar la forma terrestre. Cada punto sobre la superficie del
planeta cuenta con una posicin definida por su latitud, longitud y altura elipsoidal; los dos
primeros valores proveen la ubicacin horizontal con respecto a referencias convencionales que
estn definidas sobre el elipsoide de referencia. La altura elipsoidal por su parte representa la
distancia medida sobre la normal al elipsoide desde el punto posicionado hasta dicha superficie
de referencia, es decir esta altura es una expresin geomtrica de la distancia existente entre el
punto posicionado y la superficie de referencia (elipsoide); esto se convierte en un
inconveniente al tomar en consideracin que para ser utilizadas en proyectos de ingeniera , las
alturas medidas sobre la superficie terrestre deben tener un significado fsico, esto implica tener
en cuenta la distribucin de masas del planeta y su campo gravitatorio [2].
Es entonces indispensable disponer de una superficie de referencia para las alturas que
considere estas variables fsicas. Esta superficie debe ser equipotencial, esto significa que
deber contar con iguales valores de potencial gravitacional para todos los puntos que la
conforman. En el planeta existen infinitas superficies equipotenciales, pero es necesario por
convencin definir una de ellas para que podamos emplearla como referencia. La superficie
equipotencial que usamos como referencia para las alturas se conoce como geoide y es aquella
que ms se aproxima al nivel medio de los ocanos en reposo en una poca determinada, esta
superficie es difcil de determinar debido al comportamiento dinmico de los ocanos y por el
desconocimiento de las densidades internas del planeta. La representacin del geoide se realiza
en funcin de su separacin con respecto a un elipsoide de referencia, y se conoce como
ondulacin geoidal, las alturas medidas desde el geoide a la superficie terrestre se conocen
como alturas ortomtricas. La relacin entre alturas elipsoidales y alturas ortomtricas posibilita
el clculo de ondulaciones geoidales; el mtodo geomtrico (GPS/nivelacin) para la
determinacin del geoide consiste en obtener valores de ondulacin geoidal partiendo de valores
conocidos de alturas elipsoidales y alturas niveladas (toman como referencia el nivel medio del
mar). Esta metodologa genera valores de ondulacin geoidal en forma puntual, por esta razn,
cuando se requiere conocer cual es el comportamiento del geoide en un punto en el cual no se
conocen los datos necesarios para su clculo, se hace necesaria la aplicacin de mtodos de
interpolacin o estimacin de variables que emplean principios geoestadsticos.
En el presente proyecto de investigacin, se propone un mtodo de interpolacin basado en
tcnicas de inteligencia artificial a ser aplicado en un rea del Ecuador Continental, con el
objetivo de obtener valores de ondulacin geoidal. A partir de los datos obtenidos se entren
una Red Neuronal Artificial del tipo multicapa RNAM. La red posteriormente fue utilizada
para interpolar valores de ondulacin geoidal sobre nuevos puntos. Los primeros resultados
obtenidos presentan errores menores a 15 centmetros.
ABSTRACT
Tabla 1. Superficie en kilmetros cuadrados que cada provincia de la regin costa ocupa en la zona de
trabajo, con sus respectivos porcentajes.
(km2)
Esmeraldas
523.61
2.15
Guayas
550.55
2.26
Los Ros
1659.43
6.82
Manab
11538.71
47.40
Zona no delimitada
488.04
2.00
TOTAL
14760.34
60.63
Tabla 2. Superficie en kilmetros cuadrados que cada provincia de la regin sierra ocupa en la zona de
trabajo, con sus respectivos porcentajes.
Porcentaje de la zona de
(km2)
trabajo
Cotopaxi
2881.92
11.84
Pichincha
3255.57
13.37
3446.65
14.16
TOTAL
9584.14
39.37
Provincia
El rango de altitudes en el rea de trabajo va desde los 3 hasta los 5245 metros sobre el nivel
medio del mar.
En el mapa que se muestra a continuacin se puede apreciar la ubicacin geogrfica de la zona
de trabajo:
El conjunto de puntos mostrado se divide en tres subconjuntos, esto se debe a que para el
entrenamiento de la RNA, es necesario contar con un grupo de datos para el entrenamiento
propiamente dicho, otro conjunto de validacin y un tercer conjunto de test.
La seleccin de las placas o hitos de nivelacin en donde se realiz el posicionamiento de
precisin de los nuevos puntos, estuvo condicionada por la ubicacin de las lneas de nivelacin
y existi el inconveniente adicional de que algunos de los puntos se encuentran destruidos, o su
ubicacin no permite contar con las condiciones necesarias para que el posicionamiento se
pueda realizar con una cobertura de satlites apropiada (cercana a construcciones,
principalmente). Se emple un equipo Trimble 5800, tomando como referencia una estacin de
monitoreo continuo y rastreando con intervalos de 15 segundos por dos horas y media en cada
punto. El postproceso se lo hizo usando el software Trimble Business Center y con
efemrides precisas.
se proporcionan a la RNA son latitud longitud altura elipsoidal del punto con su respectiva
salida: ondulacin geoidal. Esto permite que el usuario de la herramienta generada pueda
estimar valores de ondulacin geoidal en puntos para los cuales se conoce su latitud, longitud y
altura elipsoidal. Las coordenadas de los puntos dato fueron todas llevadas al sistema de
referencia ITRF05 poca de referencia 2011.1, con el fin de homogeneizar la informacin
disponible. Para esto ltimo se emple el programa Transformacin de Coordenadas con
ITRFs y pocas de Referencia utilizando 7 y 14 parmetros de transformacin [8] (Centro de
Investigaciones Cientficas - Escuela Politcnica del Ejrcito, 2010) y el Modelo de
Velocidades para Amrica del Sur y el Caribe VEMOS 2009.
La diferencia entre el conjunto de datos de test y el de validacin es que en este ltimo, los
datos participan en el aprendizaje de la RNA [1], ya que es en base a estos que se determina
hasta qu punto la RNA es capaz de generalizar, por su parte los puntos test, no participan de
ninguna manera en el proceso de aprendizaje o entrenamiento de la RNA y representan una
medida insesgada de el desempeo de la RNA en la estimacin de la variable. El nmero de
puntos de validacin y puntos test se fij en 7 ya que la cantidad de datos disponible no permita
elevar este nmero sin producir un decremento sensible en la cantidad de informacin que se
muestra a la RNA durante el proceso de entrenamiento de la misma.
Figura 5. Arquitectura de la Red Neuronal Artificial con 3 neuronas en la capa de entrada y 25 neuronas
en la capa oculta
Mtodo
Mximo
Mnimo
Media
Desviacin
Estndar
Red Neuronal
Artificial
(metros)
0,121
-0,124
-0,002
EGM06
(metros)
1,471
-0,618
0,742
EGM_2008
(metros)
1,31
0,172
0,608
Mnimos cuadrados
(metros)
0,694
-0,496
0,066
0,08334928
0,70386354
0,35504597
0,42288334
En la tabla anterior se puede observar que los menores errores en la estimacin de la variable se
consiguen empleando la red neuronal artificial. Si bien es cierto que en el caso de los modelos
geopotenciales EGM06 y EGM2008, el nivel de detalle que presentan los mismos no permite
realizar una valoracin del modelo como se lo podra hacer con otro modelo de carcter local, la
comparacin con estos expresa una mejora en trminos de clculo de errores y cumple con la
premisa fundamental de este tipo de estudios al contar con una estimacin de la variable cada
vez ms aproximada. La tcnica de redes neuronales artificiales presenta un buen desempeo
cuando se trata de aproximar o estimar variables de las cuales se dispone datos con una
distribucin espacial irregular [9].
Una vez realizado el entrenamiento de la RNA, est lista para proporcionar valores estimados de
la variable, ante nuevas entradas, la interpretacin visual de los resultados obtenidos se puede
realizar al generar un modelo de ondulaciones geoidales mediante interpolacin kriging [3] a
partir de puntos provistos de valores para la variable a representar generados en la red neuronal
artificial.
Figura 7. Mapa de curvas de nivel de ondulaciones geoidales con intervalo de 0.5 metros
obtenido a travs de interpolacin por kriging, partiendo de puntos generados por la RNA
CONCLUSIONES
Contrastando los resultados obtenidos con el empleo de la RNA y los que se logran con
otros mtodos, se puede apreciar que al comparar los valores estimados con los valores
reales en puntos de validacin, los errores se reducen significativamente mediante el
empleo de una red neuronal artificial entrenada.
Es de fundamental importancia que los datos que se usan como insumos para el
entrenamiento de la RNA representen los patrones de comportamiento de la variable
dentro del rea de estudio, esto permite lograr una capacidad de generalizacin
satisfactoria.
El desarrollo de este trabajo, se limita a un rea de estudio en donde se cuenta con datos
que permiten realizar el entrenamiento de la red, sin embargo la metodologa utilizada
se puede aplicar en otras zonas con diferentes caractersticas.
REFERENCIAS
[1] Basogain Olabe, Xabier (2008): Redes Neuronales Artificiales y sus Aplicaciones.
Departamento de Ingeniera de Sistemas y Automtica, Escuela Superior de Ingeniera de
Bilbao, Bilbao Espaa.
[2] Del Cogliano, Daniel (2006): Tesis Doctoral: Modelado del geoide con GPS y Gravimetra.
Caracterizacin de la Estructura Geolgica de Tandil. Universidad de Rosario, Rosario Argentina.
[3] Dos Anjos, Silvio Jacks (1996): Ajustamento Paramtrico Por Mnimos Quadrados Com
Anlise na Estabilidade da Soluo, Universidade Federal do Paran. Curitiba Brasil.
[4] Echeverra, Neptal (2010): Generacin de un modelo de ondulaciones geoidales de una
zona del Ecuador Continental a partir de datos dispersos mediante mnimos cuadrados, Escuela
Politcnica del Ejrcito)
[5] Haykin, Simon (2001): Redes Neurais, Princpios e Prtica, Segunda Edico, Editorial
Bookman, Ttulo original: Neural Networks. Hamilton, Ontrio, Canad.
[6] Isasi Viuela, Pedro, GALVAN Len, Ins (2004): Redes de Neuronas Artificiales. Un
Enfoque Prctico, Editorial Pearson Educacin S.A. Madrid Espaa.
[7] Paredes, Nelson (1986): Determinacin del dtum vertical en La Libertad, Ecuador. Acta
Oceanogrfica del Pacfico. INOCAR, Guayaquil Ecuador.
[8] Santacruz, Galudth (2010): Transformacin de Coordenadas con ITRFs y pocas de
Referencia utilizando 7 y 14 parmetros de transformacin [9] (Centro de Investigaciones
Cientficas - Escuela Politcnica del Ejrcito.
[9] Tierra, Alfonso (2003): Metodologa para a Gerao da Malha de Anomalias Gravimtricas
para obteno de Geoide Gravimtrico Local a partir de Dados Esparsos. Tese (Doutorado em
Cincias Geodsicas). Departamento de Geomtica. Universidade Federal do Paran. . Curitiba
Brasil.