|
مدل سازی سری‌های زمانی تغییرات محتوای الکترون کلی یونسفر با بکارگیری روش عددی سیستم استنتاج عصبی-فازی سازگار
مطالعه خاص: ایستگاه دائمی GPS تهران
|
رسول فیضی   ، بهزاد وثوقی ، میر رضا غفاری رزین* |
|
|
|
چکیده: (3397 مشاهده) |
به دلیل خاصیت پاشندگی لایه یونسفر و اثر مخرب آن برروی امواج عبوری، مدل‌سازی و پیش‌بینی رفتار این لایه از جو یکی از کاربردی‌ترین موضوعات مورد بحث در ژئودزی و مطالعات فضایی است. پارامتری که با استفاده از آن خصوصیات فیزیکی لایه یونسفر مورد مطالعه و بررسی قرار می‌گیرد، مقدار محتوای الکترون کلی (TEC) نامیده می‌شود. جهت مدل‌سازی پارامتر TEC روش‌های زیادی ارائه شده است که نیازمند عملیات محاسباتی زیاد بوده و در برخی مواقع از دقت کافی برای مدل‌سازی یونسفر برخوردار نیستند. در این مقاله از سیستم استنتاج عصبی-فازی سازگار (ANFIS) جهت پیش‌بینی تغییرات زمانی پارامتر TEC برای یک روز آینده استفاده شده است. یک سیستم استنتاج عصبی-فازی سازگار نوعی شبکه عصبی مصنوعی (ANN) است که براساس سیستم فازی تاکاگی-سوگنو (Takagi–Sugeno) می‌باشد. از آنجایی که این سیستم، شبکه‌های عصبی و مفاهیم منطق فازی را یکی می‌کند، می‌تواند از امکانات هر دو آنها در یک قاب بهره‌مند گردد. سیستم سازگار آن مطابق با مجموعه قوانین فازی اگر-آنگاه است که قابلیت یادگیری برای تقریب زدن توابع غیرخطی را دارا می‌باشد. در این مقاله مشاهدات ایستگاه دائمی GPS تهران با موقعیت ( ) در سه ماه (می، آوریل و دسامبر) مختلف از سال‌های (2015و2011) جهت آموزش شبکه ANFIS مورد استفاده قرار گرفته و پیش‌بینی برای روزهای (30 ،3 و6) در ماه‌های (می، دسامبر و آوریل) انجام گرفته است. این مشاهدات بگونه‌ای انتخاب شده است تا فعالیت‌های خورشیدی زیاد، متوسط و کم را شامل باشد. برای تعیین تاخیرهای زمانی بهینه جهت آموزش شبکه ANFIS طراحی شده از الگوریتم ژنتیک بهره گرفته شده است. جهت ارزیابی نتایج حاصل از سیستم استنتاج عصبی-فازی سازگار، مقادیر TEC حاصل از این سیستم با مقادیر TEC حاصل از شبکه عصبی مصنوعی (ANN) با الگوریتم آموزش لونبرگ-مارکوآرت، TEC حاصل از سیستم تعیین موقعیت جهانی GPS و همچنین TEC حاصل از مدل مرجع جهانی یونسفر IRI 2016 مورد مقایسه قرار گرفته است. میزان کمیت جذر خطای مربعی میانگین (RMSE) برای اختلاف بین مقادیر TEC پیش‌بینی شده توسط شبکه ANFIS و TEC حاصل از مشاهدات GPS در بیشترین حالت 6/4 TECU و در کمترین حالت 1/2 TECU بدست آمده است. مقدار RMSE برای شبکه عصبی مصنوعی در مقایسه با GPS در بیشترین و کمترین حالت بترتیب برابر با 06/5 و 6/2 TECU محاسبه شده است. در مدل مرجع جهانی یونسفر IRI2016 بیشترین و کمترین مقدار RMSE بترتیب برابر با 8/5 و 3/4 TECU تعیین شده است. نتایج حاصل نمایش‌دهنده قابلیت بالای شبکه ANFIS در مدل‌سازی سری زمانی یونسفر را دارد.
|
|
| واژه‌های کلیدی: یونوسفر، TEC، منطق فازی، GPS، شبکه عصبی، ANFIS |
|
|
متن کامل [PDF 914 kb]
(1178 دریافت)
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
ژئودزی و هیدروگرافی
دریافت: 1397/4/16
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
