---

Neste trabalho foram utilizadas redes neurais artificiais como ferramenta alternativa na determina‡Æo de um modelo geoidal. Procurou-se uma determina‡Æo geoidal de forma mais rápida, com precisÆo adequada e com menor esfor‡o na determina‡Æo de parâmetros importantes na obten‡Æo da referida superfície. Foram utilizados modelos de redes neurais do tipo MLP, algoritmo de treinamento backpropagation, variando o número de camadas, o número de neurônios, a fun‡Æo de ativa‡Æo, a taxa de aprendizado e o termo momento. Os dados dos modelos do geopotencial EGM96, da gravimetria, do GPS e do nivelamento geométrico foram tratados de forma a serem utilizados pelos modelos de redes neurais. Foram executadas a normaliza‡Æo, a análise de componentes principais e a defini‡Æo dos atributos de entrada e saída para treinamento do modelo de rede neural. Foram realizadas compara‡äes entre os modelos geoidais existentes, usados nesta pesquisa, com os resultados obtidos pelo modelo de rede neural. Tais compara‡äes resultaram na obten‡Æo dos erros entre as superfícies, justificando dessa forma a possibilidade de uso do referido método, com a consequente demonstra‡Æo de suas vantagens e desvantagens.

---

Graduado em Engenharia Civil pela UCG (1989), e em Tecnologia em Processamento de Dados pelo IUESO (1992), mestrado e doutorado em Engenharia de Transportes pela USP (1999) e (2003). Técnico da Agência Goiana de Transportes e Obras Públicas e professor adjunto da área de Topografia e Geodésia da PUC Goiás e Universidade Federal de Goiás.

---