Đánh giá hiệu suất của mô hình CNN(Conv1D), CNN(Conv3D) trong phân tích dữ liệu GNSS

Abstract

Nghiên cứu đánh giá khả năng ứng dụng của mô hình học sâu CNN(Conv1D) và CNN(Conv3D) trong dự đoán chuỗi dữ liệu GNSS theo thời gian, sử dụng dữ liệu tọa độ N, E, h hàng ngày của trạm GNSS HYEN (giai đoạn 10/8/2019 – 18/3/2022), xử lý bằng phần mềm Gamit/Globk. Mô hình được xây dựng bằng Python với các thư viện học máy chuyên dụng. Kết quả cho thấy CNN(Conv1D) có hiệu suất dự đoán vượt trội so với CNN(Conv3D) và mô hình ANN, dù sử dụng tỷ lệ dữ liệu huấn luyện thấp hơn. Khi bổ sung thời gian như một chiều đầu vào, hiệu suất của CNN(Conv3D) được cải thiện rõ rệt. Mô hình CNN(Conv1D) đạt độ chính xác rất cao với RMSE = 0,67 mm, MAE = 0,53 mm và R² = 99,7%, khẳng định tiềm năng ứng dụng trong dự báo dữ liệu GNSS thời gian thực và dài hạn.