ارزیابی اثر مولفه ­های مکان و دما در بهبود برآورد مقدار محتوای الکترونی یونسفر در چند ایستگاه کشور

یونسفر یکی از پدیده­ های پیچیده است که شامل مولکول­ های یونیزه شده توسط خورشید می باشد. ضرورت مطالعه یونسفر و مدل سازی آن از این حقیقت ناشی می­ شود که محتوای الکترونی یونسفر به پارامترهای زیادی بستگی دارند که دائما در حال تغییر هستند. انتشار امواج الکترومغناطیس در لایه یونسفر تحت تاثیر الکترون­ های آزاد این محیط بوده، بنابراین مدل­ سازی یونسفر در بسیاری از زمینه ­ها از قبیل ارتباطات مخابراتی، ناوبری و تعیین موقعیت ماهواره ­ای، سیستم ­های راداری و سایر فناوری­ های فضایی مورد توجه می ­باشد. طبیعت پیچیده یونسفر باعث شده مدل­ ها و روش­ های مختلف دو بعدی و سه بعدی جهت رسیدن به یک برآورد مناسب از مقدار محتوای الکترون یونسفر پایه ­گذاری، ارزیابی و مقایسه شوند. در این مقاله از شبکه­ های عصبی موجک جهت مدل سازی مقدار محتوای الکترون لایه یونوسفر (TEC) در ایستگاه ­های چهار شهر اهواز، ساری، کرمان و سقز در 365 روز از سال 2014 استفاده شده است. نتایج مدلسازی با روش ­های مذکور برای داده ­های مکانی و دماهای مختلف در ایران ارزیابی و مقایسه شده و به صورت کمی ارائه گردید. داده ­های مورد استفاده، نقشه ­های یونسفری می­ باشند که نمایشگر میزان محتوای مجموع الکترونی هستند. نتایج این تحقیق نشان ­دهنده تاثیر مولفه ­های مکانی و دما در کارایی شبکه عصبی موجک در برآورد محتوای الکترونی یونسفر می ­باشد. میانگین خطای نسبی به دست آمده برای حالت تلفیقی پارامترهای مکان، زمان و دما با استفاده از شبکه­ های عصبی موجک برابر 52/11 درصد بوده است. این مقدار برای حالت تلفیقی دو پارامتر به طور میانگین برابر 05/15 درصد به دست آمده است. مقایسه صورت گرفته در مورد خطا نشان­ دهنده برتری حالت تلفیقی سه پارامتر دما، مکان و زمان نسبت به سایر حالت­ ها در برآورد محتوای الکترونی یونسفر بوده است. همچنین در این مقایسه، بهترین مدل مربوط به حالت­ های مکان- دما- زمان، مکان- زمان و دما- زمان به ترتیب مربوط به شبکه­ های عصبی RBF, MLP و B-spline با تلفیق موجک مورلت بوده است.

Keywords:

یونسفر , شبکه ­های عصبی مصنوعی , TEC , موجک , نقشه ­های یونسفری