چکیده مقاله
در این مقاله از یک شبکه عصبی مصنوعی ANN 3 لایه با 18 نورون در لایه مخفی جهت مدل سازی سری زمانی تغییرات محتوای الکترون کلی TEC لایه یون سپهر در منطقه ایران استفاده شده است مشاهدات 37 ایستگاه GPS در 5 روز متوالی 222، 223، 224، 225، 226 از سال 2012 جهت مدل سازی بکار گرفته شده است جهت سرعت بخشیدن به مرحله آموزش و نیز بالا بردن دقت و صحت نتایج از الگوریتم آوزش بهینه سازی انبواه ذرات PSO استفاده شده است اعتبارسنجی نتایج حاصل از روش با مشاهدات سیستم تعیین موقعیعت جهانی GPS انجام گرفته است همچنین نتایج بدست آمده از شبکه عصبی با نتایج حاصل از مدل مرجع بین المللی 2012 IRI 2012 و نیز شبکه جهانی IGS مورد مقایسه قرار گرفته است آنالیز نتایج بدست آمده حاکی از سرعت بالای الگوریتم آموزش PSO در همگرایی به جواب بهینه می باشد جهت ارزیابی خطای مدل شبکه عصبی از شاخص های آماری خطای نسبی و خطای مطلق استفاده شده است کمینه خطای نسبی محسابه شده برای شبکه عصبی مصنوعی 0/45 درصد و بیشینه آن 16/85 درصد می باشد همچنین کمینه و بیشینه خطای مطلق 0/06 و 3/96 TECU بدست آمده است نتایج حاصل از این مقاله حاکی از آن است که مدل شبکه عصبی مصنوعی با الگوریتم آموزش PSO از دقت و صحت لازم جهت پیش بینی تغییرات زمن و مکان لایه یون سپهر را برخوردار می باشد
کلیدواژه‌ها
نویسندگان
میررضا غفاری رزین
دانشجوی دکتری ژئودزی، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
بهزاد وثوقی
دانشیار گروه ژئودزی، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
شیوه ارجاع
�فاری رزین، میررضا و وثوقی، بهزاد،1395،مدل سازی سری زمانی محتوای الکترون کلی لایه یون سپهر به کمک شبکه عصبی چند لایه MLP-ANN با الگوریتم آموزش PSO،دومین کنفرانس ملی مهندسی فناوری اطلاعات مکانی،تهران
ارائه‌شده در
مجموعه مقالات دومین کنفرانس ملی مهندسی فناوری اطلاعات مکانی29 دی 1395 · تهران