کاربرد شبکه عصبی موجک با الگوریتم آموزش بهینه سازی انبوه ذرات در مدل سازی تغییرات زمانی محتوای الکترون کلی یون سپهر
Publish Year: 1398
Type: Journal paper
Language: Persian
View: 525
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_SEPEHR-28-112_001
Index date: 9 May 2020
کاربرد شبکه عصبی موجک با الگوریتم آموزش بهینه سازی انبوه ذرات در مدل سازی تغییرات زمانی محتوای الکترون کلی یون سپهر abstract
در این مقاله از ترکیب شبکه های عصبی موجک (WNNs) به همراه الگوریتم آموزش بهینه سازی انبوه ذرات (PSO) جهت مدل سازی تغییرات زمانی محتوای الکترون کلی (TEC) یون سپهر در منطقه ایران استفاده شده است. چهار ترکیب از تعداد مشاهدات ورودی مختلف جهت تست روش، مورد ارزیابی قرار گرفته است. تعداد مشاهدات ورودی انتخاب شده جهت آموزش شبکه عصبی موجک با الگوریتم PSO به ترتیب 25، 20، 15 و 10 ایستگاه از شبکه مبنای ژئودینامیک ایران (IPGN) می باشند. در هر چهار حالت تعداد پنج ایستگاه با توزیع مناسب در گستره جغرافیایی ایران به عنوان ایستگاه های آزمون در نظر گرفته شده اند. شاخص های آماری خطای نسبی، خطای مطلق و ضریب همبستگی جهت ارزیابی مدل شبکه عصبی موجک مورد استفاده قرار گرفته است. نتایج حاصل از مدل پیشنهادی این مقاله با TEC حاصل از مشاهدات GPS به عنوان مرجع اصلی و مدل جهانی یون سپهر 2016 (IRI-2016) مقایسه شده است. میانگین خطای نسبی محاسبه شده در 5 ایستگاه آزمون برای شبکه عصبی موجک با 25 ایستگاه آموزش برابر با 43/13%، با 20 ایستگاه آموزش برابر با 73/13%، با 15 ایستگاه آموزش برابر با 05/15% و با 10 ایستگاه آموزش برابر با 17/28% تعیین شده است. همچنین میانگین مقادیر ضریب همبستگی محاسبه شده در پنج ایستگاه آزمون برای شبکه عصبی موجک با 25 ایستگاه آموزش برابر با 9768/0، با 20 ایستگاه آموزش برابر با 9545/0، با 15 ایستگاه آموزش برابر با 9376/0 و با 10 ایستگاه آموزش برابر با 7569/0 محاسبه شده است. نتایج این مقاله نشان می دهد که مدل شبکه عصبی موجک با الگوریتم آموزش PSO یک مدل قابل اعتماد جهت پیش بینی تغییرات زمانی یون سپهر در منطقه ایران است. این مدل می تواند یک جایگزین بسیار مطمئن برای مدل مرجع جهانی یون سپهر در ایران باشد.
کاربرد شبکه عصبی موجک با الگوریتم آموزش بهینه سازی انبوه ذرات در مدل سازی تغییرات زمانی محتوای الکترون کلی یون سپهر Keywords:
کاربرد شبکه عصبی موجک با الگوریتم آموزش بهینه سازی انبوه ذرات در مدل سازی تغییرات زمانی محتوای الکترون کلی یون سپهر authors
میر رضا غفاری رزین
استادیار، گروه مهندسی نقشه برداری، دانشکده مهندسی علوم زمین، دانشگاه صنعتی اراک
بهزاد وثوقی
دانشیار، گروه مهندسی ژئودزی، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :