Planes coordinates transformation between PSAD56 to SIRGAS using a Multilayer Artificial Neural Network

• Autorzy: Tierra A. , Romero R.

Identyfikatory

DOI

10.2478/geocart-2014-0014

Warianty tytułu

PL

Transformacja współrzędnych płaskich pomiędzy PSAD56 to SIRGAS z wykorzystaniem wielowarstwowej sieci sztucznej inteligencji

• Języki publikacji: EN

Abstrakty

EN

Prior any satellite technology developments, the geodetic networks of a country were realized from a topocentric datum, and hence the respective cartography was performed. With availability of Global Navigation Satellite Systems-GNSS, cartography needs to be updated and referenced to a geocentric datum to be compatible with this technology. Cartography in Ecuador has been performed using the PSAD56 (Provisional South American Datum 1956) systems, nevertheless it’s necessary to have inside the system SIRGAS (Sistema de Referencia Geocéntrico para las AmericaS). This transformation between PSAD56 to SIRGAS use seven transformation parameters calculated with the method Helmert. These parameters, in case of Ecuador are compatible for scales of 1:25 000 or less, that does not satisfy the requirements on applications for major scales. In this study, the technique of neural networks is demonstrated as an alternative for improving the processing of UTM planes coordinates E, N (East, North) from PSAD56 to SIRGAS. Therefore, from the coordinates E, N, of the two systems, four transformation parameters were calculated (two of translation, one of rotation, and one scale difference) using the technique bidimensional transformation. Additionally, the same coordinates were used to training Multilayer Artificial Neural Network -MANN, in which the inputs are the coordinates E, N in PSAD56 and output are the coordinates E, N in SIRGAS. Both the two-dimensional transformation and ANN were used as control points to determine the differences between the mentioned methods. The results imply that, the coordinates transformation obtained with the artificial neural network multilayer trained have been improving the results that the bidimensional transformation, and compatible to scales 1:5000.

PL

Dostęp do nowoczesnych technologii, w tym GNSS umożliwiły dokładniejsze zdefiniowanie systemów odniesień przestrzennych wykorzystywanych m.in. w definiowaniu krajowych układów odniesień i układów współrzędnych. W Ekwadorze wykorzystywany jest system PSAD56 (Provisional South American Datum 1956), ale w ostatnim czasie zaszła konieczność zdefiniowania wewnętrznego(krajowego) systemu SIRGAS (Sistema de Referencia Geocéntrico para las AmericaS). Do transformacji pomiędzy oboma systemami powszechnie wykorzystuje się metodę Helmerta, stosując układ siedmioparametrowy. Transformacja taka pozwala na zachowanie dokładności wystarczającej do opracowania map topograficznych w skalach 1:25 000 lub mniejszych. W artykule do transformacji zastosowano sieci neuronowe, co umożliwiło podniesienie dokładności do skali 1:5 000.

Słowa kluczowe

EN

PSAD56; SIRGAS; bidimensional transformations; artificial neural network

PL

sieci sztucznej inteligencji; mapa topograficzna; system odniesień przestrzennych

• Wydawca: Komitet Geodezji PAN
• Czasopismo: Geodesy and Cartography
• Rocznik: 2014
• Tom: Vol. 63, no. 2
• Strony: 199--209
• Opis fizyczny: Bibliogr. 10 poz., rys., tab.

Twórcy

autor

Tierra A.

• Universidad de las Fuerzas Armadas-ESPE Grupo de Investigación GITE Av. Gral Rumiñahui s/n. Sangolquí, Ecuador. P.O.Box 171-5-31B

autor

Romero R.

• Universidad de las Fuerzas Armadas-ESPE Grupo de Investigación GITE Av. Gral Rumiñahui s/n. Sangolquí, Ecuador. P.O.Box 171-5-31B

Bibliografia

• [1] Abd-Elmotaal, H. (1994). Comparison of polynomial and similarity transformation based daum-shifts for Egypt. Bulletin Géodésique 68(3), 168-172.
• [2] Cai, J & Grafarend, H. (2009). Systematical Analysis of the transformation between Krueger-Coordinate/ DHDN and UTM-Coordinate/ETRS89 in Baden-Wurttemberg with Difference Estimation Methods. Geodetic Reference Frames: IAG Symposium, Munich, 134, 205-211, DOI: 10.1007/978-3-642-00860-3.
• [3] Haykin, S. (2001). Neural Network: A Comprehensive Foundation. Second Edition. Hamilton, Ontario, Canada.
• [4] Krasnopolsky, V. (2013). The Application of Neural Networks in the Earth System Sciences: Neural Networks Emulations for Complex Multidimensional Mappings. Springer, New York.
• [5] Seeber, G. (1993). Satellite Geodesy: Foundations Methods and Applications. W de Guyter. Berlin-New York.
• [6] Tierra, A. Dalazoana, R. & De Freitas, S. (2008). Using Artifi cial Neural Network To Improve The Transformation of Coordinates Between Classical Geodetic Reference Frames. Computers & Geosciences, p. 181-189, DOI:10.1016, Netherlands.
• [7] Tierra, A., De Freitas, S. & Guevara, P. (2009). Using Artifi cial Neural Network to Transformation of Coordinates from PSAD56 to SIRGAS95. International Association of Geodesy Symposia: Geodetic Reference Frames. Springer-Verlag, Berlin-Germany, Vol. 134, p. 173-178, DOI: 10.1007/978-3-642-00860-3.
• [8] He, X & Xu, Sh. (2009). Process Neural Networks: Theory Applications. Springer-Verlag, Berlin Heidelberg.
• [9] Yilmaz, E. & Akhmet, M. (2014). Neural Networks with Discontinuous: Impact Activations. Springer, Neww York.
• [10] You R & Hwang, H. (2006). Coordinate Transformation between Two Geodetic Datums of Taiwan by Least-Squares Collocation. J. Surv. Eng., 132(2), 64-70.