مدلسازی و درون یابی محتوای الکترونی کلی یون سپهر به کمک شبکه عصبی مصنوعی و مشاهدات GPS
Publish place: Journal of the Earth and Space Physics، Vol: 42، Issue: 2
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 84
This Paper With 19 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JESPHYS-42-2_015
تاریخ نمایه سازی: 10 آبان 1402
Abstract:
سیگنالهای سیستم تعیین موقعیت جهانی (GPS) اطلاعات باارزشی را از ساختار فیزیکی یونوسفر در اختیار می گذارند. با کمک این مشاهدات می توان مقدار محتوای الکترونی کلی (TEC) را برای هر مسیر دید مابین گیرنده و ماهواره بدست آورد. در این مقاله اندازه گیریهای بدست آمده از ۲۲ ایستگاه موجود در شمالغرب ایران (۴۸>λ>۴۴ ،۴۰>φ>۳۶) جهت تعیین مقدار محتوای الکترونی کلی در راستای قائم (VTEC) استفاده شده است. بدلیل کمبود مشاهدات و توزیع مکانی نامناسب ایستگاهها، جهت برآورد زمانی- مکانی مقدار VTEC در سایر نقاط، دو مدل شبکه عصبی مصنوعی ۳ لایه(MLP-ANN) و شبکه عصبی با توابع پایه شعاعی(RBFNN) بر اساس الگوریتم پس انتشار خطا (BPA) بکار گرفته شده است. ۳ ایستگاه آزمون با توزیع مناسب جهت ارزیابی صحت نتایج انتخاب شده است. کمینه خطای نسبی در نقاط آزمون برای شبکه عصبی مصنوعی ۳ لایه۴۰/۱ % و برای شبکه عصبی با توابع پایه شعاعی ۸۸/۱ % محاسبه شده است. محاسبه خطاهای نسبی کم و همچنین آنالیز انجام گرفته، بیانگر قابلیت بالای روشهای GPS+MLP-ANN و GPS+RBFNN در مقایسه با روشهای متعارف درون یابی در نشان دادن تغییرات زمانی- مکانی یونوسفر می باشد.
Authors
Mir Reza Ghaffari Razin
دانشگاه صنعتی خواجه نصیرالدین طوسی دانشکده نقشه برداری گروه ژئودزی
Behzad Voosoghi
دانشیار، 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 :