A tudomány számos területén sikerrel alkalmazzák az ANN-okat, amelyek a gyakorlati felhasználás szempontjából a következő tulajdonságokkal jellemezhetők (Altrichter et al., 2006, Hagan et al., 1996; Retter, 2006):
1.Az ANN-ok GIS alkalmazásának előnyei:
• lényegében függetlenek az adatok statisztikai eloszlásától;
• akkor is alkalmazhatóak, ha a vizsgált probléma, a hatótényezők közötti kapcsolatok nem minden részletében ismertek és feltártak;
• nincs szükség az egyes tényezők súlyának definiálására;
• eltérő típusú, különböző karakterisztikával rendelkező adatok is lehetnek a bemenő adatbázisban,
• pontos becslésekre képesek bonyolult, nemlineáris input/output kapcsolatok esetében is;
• hiányos és rosszabb minőségű bemenő adatbázis esetén is eredeményesek lehetnek;
• nagyméretű adatbázisokat is képesek kezelni;
• a tanítási fázis után bármely más modellezési eljárásnál gyorsabban dolgoznak.
2.Az ANN-ok GIS alkalmazásának hátrányai:
• a hálózat tanítása minden esetben szükséges;
• számításigényesek a tanítási fázisban;
• a súlyok kezdeti véletlenszerű megadása eltérő kimeneteket eredményez;
• a hálózati paraméterek egy része, pl. a rétegek és a neuronok száma csak tapasztalati úton határozható meg;
• nem eredményeznek mélyebb betekintést a vizsgált rendszerbe és nem tárnak fel újabb kapcsolódásokat a faktorok között: “fekete doboz”-ként viselkednek.
Számos üzleti, ingyenes.pl. SNNS és nyílt forráskódú programcsomag – matematikai (Matlab, Mathematica) és GIS szoftverek (pl. IDRISI, ENVI és ArcGIS) is – rendelkeznek ANN modullal. A következő feladat megoldásához a Fast Artificial Neural Network (FANN) programot használjuk.
A modell WGS84 földrajzi koordinátákból EOV XYZ koordinátákat számol előrecsatolt ANN-tal, a bemeneti és a kimeneti rétegben egyaránt 3 neuronnal, a rejtett rétegben pedig 10 neuronnal (10.6. ábra).
Az adatok előkészítésének fázisában két ASCII file-t hozunk létre. Az első file a tanító állomány, amely az összes rendelkezésre álló adatpár 70 %-a, és a WGS84, valamint a hozzá tartozó EOV koordinátákat tartalmazza 0 és 1 közötti értékek sorozataként. A maradék 30 %-át az adatpároknak a második file-ban tároljuk, ez lesz a teszt állomány. Amikor a tanítás során a hálózattal számított transzformációs hiba kisebb lesz, mint az előre megadott küszöbérték, a tanított hálózatot elmentjük. Ezzel a ANN-ünk képessé vált az új WGS84 koordináták átszámítására. A koordináták egyelőre 0-1 közötti értékekként tárolódnak, a megfelelő formátum előállításához szükséges még egy Python program (WGS84 formátumhoz), valamint egy további Python program (EOV formátumhoz). A tanítást a training video, a szimulációt a simulation video mutatja be.