Anda di halaman 1dari 45

Representación de MDT con

Matlab
Andrés P. Guarín L.
andresguarinlo@gmail.com
Contenido
Matlab

Interpolación -
MeshFree MODELOS DIGITALES
DE TERRENO
MODELOS DIGITALES DE TERRENO
MDT
Un modelo es una representación simplificada de un
objeto de investigación, elaborado con la finalidad de
descripción, explicación, previsión o planificación
(Wegener, M. en Spatial Models and SIG, Londres, Taylor
and Francis, 2000, pp. 5)

Un modelo espacial es un modelo de un objeto en un


espacio matemático que cumple dos aspectos, el
geográfico y el valor temático.
MODELOS DIGITALES DE TERRENO
MDT
Digital vs. Analogo
MODELOS DIGITALES DE TERRENO
MDT
Superficie Terrestre (terreno)
MODELOS DIGITALES DE TERRENO
MDT
“Un MDT es un conjunto de datos numéricos
que describe la distribución espacial de una
característica del territorio” [Doyle, 1978]

“Un MDT es una estructura numérica de datos


que representa la distribución espacial de una
variable cuantitativa y continua” [Felicísimo,
1994]
MDT
MESHFREE / INTERPOLACION
• Los Métodos Meshfree son un conjunto de
técnicas computacionales utilizadas en la
aproximación numérica de problemas en
muchas áreas de la ingeniería
• Proporcionan precisión en soluciones
numéricas eficientes y robustas, como por
ejemplo
– Ecuaciones diferenciales parciales (PDE) y
– El modelado de datos dispersos
MESHFREE / INTERPOLACION
• Lo Métodos Meshfree (MFM) son un conjunto de
técnicas modernas de aproximación numérica.
• MFM no utilizan una red regular.
• Ellos usan un conjunto de puntos independientes
dispersos en el área de estudio.
• Estos métodos evitan el costo implícito en la
generación de la malla.
• Los MFM tratan
– Geometrías complejas
– Discretización irregular
– Problemas de alta tridimensionales con gran precisión
MESHFREE / PRECISIÓN
• La precisión y la eficiencia en la aproximación
numérica depende de:
– El número de puntos y
– Su distribución en el espacio del problema.
• Estos dos elementos pueden ser modificados
para mejorar los resultados.
• Los puntos pueden ser añadidos o eliminados de
diferentes áreas dependiendo de las necesidades
del estudio.
MESHFREE / Campos de Aplicación
• Los métodos Meshfree han sido empleados en
diferentes campos de estudio, tales como:
– Gráficos por Computador,
– Geodesia, geofísica y problemas de asignación,
– Redes neuronales,
– Minería de datos,
– Procesamiento de la señal,
– Problemas mecánicos de Fluido,
– Optimización y la nanotecnología
MESHFREE / Ejemplos
MESHFREE / Ejemplos
MESHFREE/Interpolación de Datos
MESHFREE/Interpolación de Datos
MESHFREE/Interpolación de Datos
MESHFREE/Funciones de Base Radial

• RBF es una poderosa herramienta para el


modelado de datos dispersos multivariante.
• El método de RBF es independiente de la
dimensión del problema. La interpolación por
RBF reduce un problema de alta dimensión en
un problema unidimensional.
MESHFREE/Funciones de Base Radial

• RBF es una poderosa herramienta para el


modelado de datos dispersos multivariante.
• El método de RBF es independiente de la
dimensión del problema. La interpolación por
RBF reduce un problema de alta dimensión en
un problema unidimensional.
METODOLOGÍA
FUNCIONES DE BASE RADIAL
(RBF)
Una función Φ : Rd → R es llamada radial si existe una función
univariada φ: [0, ∞) → R tal que

Φ (Z) = φ(c) , donde c = ║ Z ║,

y ║· ║ es alguna norma sobre Rd, usualmente la norma Euclideana.


RBF
RBF
RBF
RBF

VARIACIONES RBF

CSRBF MLS MARID


RBF

VARIACIONES CSRBF MLS MARID


RBF

VARIACIONES CSRBF MLS MARID


RBF

VARIACIONES CSRBF MLS MARID


Resultados – Análisis de la función
de base Radial que mejor ajusta los
datos -
−𝜀 2 𝐶 2
𝑅𝐵𝐹 𝐺𝐴𝑈𝑆𝐼𝐴𝑁𝐴: 𝜑 𝐶𝐾 = 𝑒𝑥𝑝

𝑅𝐵𝐹 𝑀𝑄: 𝜑 𝐶𝐾 = 𝜀2 + 𝑐2

𝑅𝐵𝐹 𝐶𝑈𝐵𝐼𝐶𝐴: 𝜑 𝐶𝐾 = 𝑐 3

𝑅𝐵𝐹 𝑇𝑃𝑆: 𝜑 𝐶𝐾 = 𝑐 4 ln(𝐶𝑘 )


φ (ck) es la función básica de la RBF Φk centrada en Ck . Z es el conjunto
de centros [z1, . . . , zK ], y zk ∈ Rd .
La constante ε es el parámetro de forma.

donde CK=║ Z − z ║.
Fuente: Koc et al. (2003)
Resultados – Análisis de la función
de base Radial que mejor ajusta los
datos -

RBF Gausiana

RBF-MQ

RBF Cúbica

RBF-TPS
RESULTADOS – TIEMPO CPU, LA RAÍZ DEL ERROR
CUADRATICO MEDIO (RMSE) Y EL ERROR ABSOLUTO
MAXIMO (MAE).-
RESULTADOS – INTERPOLACIÓN RBF-GAUSIANA.-
RESULTADOS – ERRORES EN RBF-GAUSIANA.-
RESULTADOS – MEJOR METODO
SELECCIONADO APROXIMACIÓN POR
CSRBF.-
RESULTADOS – TIEMPO CPU, LA RAÍZ DEL ERROR
CUADRATICO MEDIO (RMSE) Y EL ERROR ABSOLUTO MAXIMO (MAE).-
RESULTADOS – TIEMPO CPU, LA RAÍZ DEL ERROR
CUADRATICO MEDIO (RMSE) Y EL ERROR ABSOLUTO MAXIMO (MAE).-
RESULTADOS – ERRORES DE APROXIMACION CON CSRBF.-
MODELO OBTENIDO
MODELO OBTENIDO
Matlab/SeudoCodigo
function Tab = Fig12yTab9
%% Aproximación RBF por Mínimos Cuadrados

% Importar datos
datos = xlsread('Datos.xlsx','Datos');
x = datos(:,[1 2]);
f = datos(:,3);
save('datos','x','f');

% Cargar datos
load datos.mat;
x1=x(x(:,2)>=4.554,:); %#ok<*NODEF>
f1=f(x(:,2)>=4.554);
x2=x1(x1(:,1)<=-75.8,:);
f2=f1(x1(:,1)<=-75.8);
x = x2;
f = f2;
clear x1 f1 x2 f2
Matlab/SeudoCodigo
% Definición de Centros
K = 60;
% Puntos observados
N = size(x,1);
% Puntos para evaluación
M = 250;
Y1 = linspace(min(x(:,1)),max(x(:,1)),M)';
Y2 = linspace(min(x(:,2)),max(x(:,2)),M)';
[y1 y2] = meshgrid(Y1,Y2);
y = [y1(:),y2(:)];

% Algoritmo
for j = 1:length(K),

% Puntos para evaluación


C1 = linspace(min(x(:,1)),max(x(:,1)),K(j))';
C2 = linspace(min(x(:,2)),max(x(:,2)),K(j))';
[c1 c2] = meshgrid(C1,C2);
c = [c1(:),c2(:)];

% Aproximación RBF por mínimos cudrados


for i = 1:length(N)
e = 500;
fe = RbfAprLS(c,x,f,x,'TPS',e);
er = abs(fe-f);
end

% Medidas de evaluación de la aproximación


mae1(i,1) = max(er(:))
rmse1(i,1) = sqrt(mean(er(:).^2))
end
Kj = N'*0+K(j).^2;

% Presentación de Resultados
FigSDI([Y1 Y2],fe,[],['Fig12a'])
Tab(:,:,j) = [N' Kj t1 rmse1 mae1];
close all
Matlab/SeudoCodigo
function ge = RbfAprLS(c,x,f,y,RBF,e)
%% Aproximación RBF por Mínimos Cuadrados

% Norma Euclideana
z = EucNorm(x,c);

% RBF con Puntos observados


Phi = Rbf(z,RBF,e);

% Sistema de Ecuaciones: Solución


Delta = Phi\f;

% RBF con Puntos No Observados


z = EucNorm(y,c);
Phi = Rbf(z,RBF,e);

% Evaluación de la RBF.
ge = Phi*Delta;
GRACIAS

Anda mungkin juga menyukai