Trabajo de grado - Maestría
Aplicación de una red neuronal convolucional para la predicción de mallas de población en el área metropolitana de Bogotá
Fecha
2021-09-29Registro en:
Universidad Nacional de Colombia
Repositorio Institucional Universidad Nacional de Colombia
Autor
Montero Leguizamón, Aníbal
Institución
Resumen
Saber cuántas personas viven en un área determinada y saber en dónde habitan específicamente, son preguntas tradicionalmente abordadas desde la Demografía. El presente trabajo plantea la alternativa de utilizar imágenes satelitales para predecir el número de habitantes a partir de mallas de población. Se extrajo un conjunto de imágenes de Landsat 8, a partir de un diseño muestral proporcional al tamaño (PPS) aplicado sobre una malla de población censal del 2018 en Colombia. Se entrenó la arquitectura LeNet-5 modificada para realizar regresión sobre el número de habitantes por celda a partir del conjunto de imágenes obtenido. Se realizaron pruebas del modelado sobre una submuestra de la malla de población en Colombia y sobre la malla de población correspondiente a los municipios que componen el área metropolitana de Bogotá en 2018, arrojando MAEs de 947,8 y 1.181,9, respectivamente, igualando e incluso superando los resultados encontrados en el estado del arte. (Texto tomado de la fuente) Knowing how many people live in an area and knowing where they live specifically are questions commonly approached through Demography. The present work proposes the using of satellite images to predict the number of inhabitants based on population grids as an alternative approach. A Landsat 8 images dataset was generated using a Probability Proportional to Size (PPS) sample extracted on a 2018 census population grid in Colombia. A LeNet-5 architecture was modified to predict the number of inhabitants per cell and trained with the previous image dataset obtained. The trained model was tested with a subsample of the population grid in Colombia and the population grid corresponding to the municipalities of the Bogotá metropolitan area in 2018. The model reached MAEs of 947.8 and 1181.9, respectively. These results equal and even exceed the performance found in the state of the art.