مدلسازی تاخیر یونسفری با استفاده از شبکه ی عصبی مصنوعی بهینه شده باالگوریتم ازدحام ذرات
Publish place: 15th Civil Students Conference Nationwide
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 1,031
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
CESC15_510
Index date: 2 January 2015
مدلسازی تاخیر یونسفری با استفاده از شبکه ی عصبی مصنوعی بهینه شده باالگوریتم ازدحام ذرات abstract
یونسفر بزرگترین منبع خطا بعد از خاموش شدنSAدر اندازه گیریهای تعیین موقعیت و ناوبری باGPS محسوب میشود. گیرنده های دو فرکانسه قابلیت حذف این خطا را دارند ولی مقرون به صرفه نیستند ،در حالیکه گیرندههای تک فرکانسه هزینه ی کمتری داشته و دسترسی بیشتری دارند اما از محاسبه ی تاخیر یونسفری ناتوان بوده و تعیین موقعیت را با آن خطا محاسبه مینمایند. داشتن یک مدل یونسفری قابل اطمینان،مشکل ناتوانی گیرنده های تک فرکانسه برای محاسبهی تاخیر یونسفری را حل می کند. بدین منظور از داده های TEC 5 سال 2006- 2010 موقعیت ایستگاه تهران (فرمول در متن اصلی مقاله) شاخص های ژئومغناطیس و خورشیدی برای مدلسازی با شبکه ی عصبی ای که وزن ها و بایاس های آن با الگوریتم ازدحام ذرات بهینه شده اند استفاده شده است Rmse داده های تست مدل PSO-ANN برابر TECU(Total Electron Content Unit) 1.19 می باشد و این مدل میانگین اطمینان 91.9148% را شامل می باشد.
مدلسازی تاخیر یونسفری با استفاده از شبکه ی عصبی مصنوعی بهینه شده باالگوریتم ازدحام ذرات Keywords:
یونسفر , شبکه ی عصبی , الگوریتم ازدحام ذرات , سیستم تعیین موقعیت جهانی , محتوای کل چگالی الکترون قائم
مدلسازی تاخیر یونسفری با استفاده از شبکه ی عصبی مصنوعی بهینه شده باالگوریتم ازدحام ذرات authors
فریده سبزه ای
،دانشجوی کارشناسی ارشد ژئودزی،گروه مهندسی نقشه برداری،پردیس دانشکده های فنی دانشگاه تهران
محمدعلی شریفی
گروه مهندسی نقشه برداری،پردیس دانشکده های فنی دانشگاه تهران
مهدی آخوندزاده
گروه مهندسی نقشه برداری،پردیس دانشکده های فنی دانشگاه تهران
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 :