NOVEL APPROACH TO IMPROVE GEOCENTRIC TRANSLATION MODEL PERFORMANCE USING ARTIFICIAL NEURAL NETWORK TECHNOLOGY

• Published in: Boletim de Ciências Geodésicas 2017-03, Vol.23 (1), p.213-233
• Main Authors: Ziggah, Yao Yevenyo, Youjian, Hu, Laari, Prosper Basommi, Hui, Zhenyang
• Format: Article
• Language: English
• Subjects: GEOCHEMISTRY & GEOPHYSICS; REMOTE SENSING
• ISSN: 1982-2170; 1982-2170
• DOI: 10.1590/s1982-21702017000100014

Geocentric translation model (GTM) in recent times has not gained much popularity in coordinate transformation research due to its attainable accuracy. Accurate transformation of coordinate is a major goal and essential procedure for the solution of a number of important geodetic problems. Therefore, motivated by the successful application of Artificial Intelligence techniques in geodesy, this study developed, tested and compared a novel technique capable of improving the accuracy of GTM. First, GTM based on official parameters (OP) and new parameters determined using the arithmetic mean (AM) were applied to transform coordinate from global WGS84 datum to local Accra datum. On the basis of the results, the new parameters (AM) attained a maximum horizontal position error of 1.99 m compared to the 2.75 m attained by OP. In line with this, artificial neural network technology of backpropagation neural network (BPNN), radial basis function neural network (RBFNN) and generalized regression neural network (GRNN) were then used to compensate for the GTM generated errors based on AM parameters to obtain a new coordinate transformation model. The new implemented models offered significant improvement in the horizontal position error from 1.99 m to 0.93 m. Resumo: O modelo de translação geocêntrica (GTM) atualmente não tem sido muito utilizado nas pesquisas de transformação de coordenadas devido a sua exatidão. Uma transformação acurada de coordenadas é um procedimento essencial na maioria dos problemas geodésicos. Entretanto, motivado pelo sucesso na aplicação de técnicas de Inteligência Artificial na Geodésia, este estudo testou e comparou uma nova técnica capaz de aumentar a exatidão do modelo GTM. Inicialmente, o GTM é definido com parâmetros oficiais (OP) e novos parâmetros determinados usando a média aritmética (AM) foram aplicados na transformação de coordenadas do datum global WGS84 para o datum local Accra. Com base nesses resultados, os novos parâmetros da média aritmética (AM) alcançaram um erro posicional horizontal máximo de 1.99m, em comparação com 2.75m alcançado pelos parâmetros oficiais (OP). De maneira similar, a tecnologia de redes neurais artificiais dos modelos BPNN (BackPropagation Neural Network), RBFNN (Radial Basis Function Neural Network) e GRNN (Generalized Regression Neural Network) foram então utilizadas para compensar os erros do modelo GTM com os parâmetros baseados na média aritmética (AM) para se obter um novo modelo de transformação