پیش بینی آنومالی سطح دریا با استفاده از روش تجزیه به توابع حالت های ذاتی و شبکه عصبی تابع پایه شعاعی
Publish place: Journal of the Earth and Space Physics، Vol: 48، Issue: 1
Publish Year: 1401
Type: Journal paper
Language: Persian
View: 149
This Paper With 17 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_JESPHYS-48-1_003
Index date: 18 October 2023
پیش بینی آنومالی سطح دریا با استفاده از روش تجزیه به توابع حالت های ذاتی و شبکه عصبی تابع پایه شعاعی abstract
آنومالی سطح دریا (SLA، Sea Level Anomaly) به عنوان کمیتی که بیان کننده اختلاف ارتفاع سطح لحظه ای آب با مقدار متوسط سطح آب در یک بازه زمانی می باشد در مطالعه وضعیت سطح آب مناطق مختلف دارای اهمیت چشم گیری می باشد. منطقه آبی دریاچه خزر به عنوان یکی از دو منبع مهم آبی برای کشور ایران از اهمیتی استراتژیک برخوردار است. بدین منظور در این پژوهش با استفاده از داده های گذر ۹۲ ماموریت های ارتفاع سنجی ماهواره ای (توپکس پوزیدون، جیسون۱، جیسون۲ و جیسون۳)؛ عبوری از منطقه آبی خزر به مشاهده تغییرات کمیت آنومالی سطح دریا در این منطقه از سال ۱۹۹۳ تا سال ۲۰۲۰ پرداخته شده است. سپس این کمیت با استفاده از روش تجزیه به حالت های ذاتی (EMD، Emperical Mode Decompsition) به عنوان روشی کارا در جداسازی فرکانس های تشکیل دهنده یک سیگنال مورد آنالیز قرار گرفته است و سپس با استفاده از شبکه عصبی توابع پایه شعاعی (RBF، Radial Basis Function) یک شبکه به منظور پیش بینی آنومالی سطح دریا ایجاد شده است. ۹ فرکانس غالب به همراه یک ترند نتیجه تجزیه سیگنال مدنظر در این پژوهش می باشد که در نهایت منجر به پارامترهای؛ مجذور میانگین خطا به میزان ۰۲۹/۰ متر و ۰۳۴/۰ متر به همراه ضریب همبستگی ۹۹/۰ و ۹۷/۰ به ترتیب در دو مرحله آموزش و تست شبکه عصبی می شود.
پیش بینی آنومالی سطح دریا با استفاده از روش تجزیه به توابع حالت های ذاتی و شبکه عصبی تابع پایه شعاعی Keywords:
Satellite altimetry , Signal Analysis , Empirical Mode Decomposition Method , Intrinsic Mode Function , Radial Basis Function neural network
پیش بینی آنومالی سطح دریا با استفاده از روش تجزیه به توابع حالت های ذاتی و شبکه عصبی تابع پایه شعاعی authors
Hamed kia
M.Sc. Graduated, Faculty of Geodesy and Geomatics Engineering, K. N. Toosi University of Technology, Tehran, Iran
Behzad Voosoghi
Associate Professor, Faculty of Geodesy and Geomatics Engineering, K. N. Toosi University of Technology, Tehran, Iran
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 :