سیستمهای مکانیابی جهانی و ناوبری GPS)، GLONASS، GALILEO
تانیا منصور فلاح؛ بهزاد وثوقی؛ سید رضا غفاری رزین
دوره 17، شماره 1 ، فروردین 1403، ، صفحه 21-36
چکیده
در این مقاله هدف استفاده از مدل کمترین مربعات رگرسیون بردار پشتیبان (LS-SVR) جهت مدلسازی مکانی-زمانی مقدار محتوای الکترون کلی یونسفر (TEC) است. جهت انجام اینکار، از مشاهدات 15 ایستگاه GPS موجود در منطقه شمالغرب ایران در بازه زمانی روزهای 193 الی 228 از سال 2012 استفاده شده است. مقایسه نتایج مدل جدید با مدلهای رگرسیون بردار پشتیبان (SVR)، مدل شبکه ...
بیشتر
در این مقاله هدف استفاده از مدل کمترین مربعات رگرسیون بردار پشتیبان (LS-SVR) جهت مدلسازی مکانی-زمانی مقدار محتوای الکترون کلی یونسفر (TEC) است. جهت انجام اینکار، از مشاهدات 15 ایستگاه GPS موجود در منطقه شمالغرب ایران در بازه زمانی روزهای 193 الی 228 از سال 2012 استفاده شده است. مقایسه نتایج مدل جدید با مدلهای رگرسیون بردار پشتیبان (SVR)، مدل شبکه عصبی مصنوعی (ANN)، مدل استنتاج عصبی-فازی سازگار (ANFIS)، مدل کریجینگ، مدل GIM، مدل تجربی بینالمللی مرجع یونسفر 2016 (IRI2016) و همچنین مقادیر TEC حاصل از GPS به عنوان مشاهده مرجع انجام میگیرد. دقت همه مدلها در ایستگاههای کنترل داخلی و خارجی ارزیابی و تفسیر شده است. آنالیزهای انجام گرفته نشان میدهد که میانگین RMSE مدلهای ANN، ANFIS، SVR، LS-SVR، Kriging، GIM و IRI2016 در دو ایستگاه کنترل داخلی به ترتیب برابر با 91/3، 73/2، 27/1، 04/1، 70/2، 02/3 و 93/6 TECU بوده است. تجزیه و تحلیل روش PPP بهبود 50 میلیمتری در مولفههای مختصات با استفاده از مدل LS-SVR را نشان میدهد. نتایج این مقاله نشان میدهد که مدل LS-SVR را میتوان به عنوان جایگزینی برای مدلهای جهانی و تجربی یونسفر در منطقه مورد مطالعه در نظر گرفت. مدل LS-SVR یک مدل یونسفر محلی با دقت بالا محسوب میشود.
سیستمهای مکانیابی جهانی و ناوبری GPS)، GLONASS، GALILEO
میررضا غفاری رزین؛ بهزاد وثوقی
دوره 13، شماره 3 ، مهر 1399، ، صفحه 39-50
چکیده
در این مقاله از ترکیب شبکههای عصبی موجک سهلایه (WNNs) به همراه الگوریتم آموزش بروش بهنیهسازی انبوه ذرات هیبرید (PSO-BP) جهت مدلسازی تغییرات زمانی-مکانی محتوای الکترون کلی (TEC) یونوسفر در منطقه شمالغرب ایران (N-W) استفاده شده است. مشاهدات 30 روز ماه ژانویه سال 2018 جهت ارزیابی روش پیشنهادی بکار گرفته شده است. تعداد مشاهدات ورودی انتخاب شده ...
بیشتر
در این مقاله از ترکیب شبکههای عصبی موجک سهلایه (WNNs) به همراه الگوریتم آموزش بروش بهنیهسازی انبوه ذرات هیبرید (PSO-BP) جهت مدلسازی تغییرات زمانی-مکانی محتوای الکترون کلی (TEC) یونوسفر در منطقه شمالغرب ایران (N-W) استفاده شده است. مشاهدات 30 روز ماه ژانویه سال 2018 جهت ارزیابی روش پیشنهادی بکار گرفته شده است. تعداد مشاهدات ورودی انتخاب شده جهت آموزش شبکه عصبی موجک سهلایه با الگوریتم آموزش PSO-BP بترتیب 20 و 10 ایستگاه از شبکه محلی آذربایجان میباشند. در هر 2 حالت تعداد 3 ایستگاه با توزیع مناسب به عنوان ایستگاههای آزمون در نظر گرفته شدهاند. شاخصهای آماری خطای نسبی، خطای |dVTEC|، انحراف معیار و ضریب همبستگی جهت ارزیابی مدل شبکه عصبی موجک مورد استفاده قرار گرفته است. نتایج حاصل از مدل پیشنهادی این مقاله با TEC حاصل از مشاهدات GPS به عنوان مرجع اصلی، مدل مرجع جهانی یونوسفر 2016 (IRI2016) و همچنین خروجی شبکه جهانی IGS (GIM) مقایسه شده است.
میررضا غفاری رزین؛ مسعود مشهدی حسینعلی
دوره 4، شماره 1 ، تیر 1390، ، صفحه 1-14
چکیده
توموگرافی بر اساس توابع پایه یکی از تکنیکهای موجود جهت مدلسازی سه بعدی چگالی الکترونی در لایه یونوسفر است که در این مقاله مورد بررسی قرار می گیرد. در این روش تغییرات افقی چگالی الکترونی توسط توابع هارمونیک و تغییرات عمودی آن بوسیله توابع متعامد تجربی مدلسازی می شوند.ناپایداری مساله به صورت عددی بررسی و از روش TIKHONOVجهت پایدارکردن ...
بیشتر
توموگرافی بر اساس توابع پایه یکی از تکنیکهای موجود جهت مدلسازی سه بعدی چگالی الکترونی در لایه یونوسفر است که در این مقاله مورد بررسی قرار می گیرد. در این روش تغییرات افقی چگالی الکترونی توسط توابع هارمونیک و تغییرات عمودی آن بوسیله توابع متعامد تجربی مدلسازی می شوند.ناپایداری مساله به صورت عددی بررسی و از روش TIKHONOVجهت پایدارکردن مسئله استفاده شده است. مقدار بهینه پارامتر پایدارسازی از طریق مقایسه چگالی الکترونی بدست آمده از روش توموگرافی با چگالی الکترونی بدست آمده از ایستگاه یونوسوند تهران واقع در موقعیت و تعیین شده است. ماکزیمم خطای نسبی در بازسازی چگالی الکترونی به روش توموگرافی در منطقه مورد نظر 36.44+ درصد و مینیمم خطای آن 0.8503+ بدست آمده است. همچنین مقادیر VTECبدست آمده از این روش با مقادیر VTECحاصل از داده های شبکه IGSمقایسه شده که بیشترین مقدار اختلاف در این شبکه مقدار 52.320+ TECUوکمترین مقدار آن 1.268+ TECUاست.