مدلسازی سری زمانی مکانی TEC یونسفری در ایران با استفاده از رویکردهای یادگیری ماشین و شبکه های عصبی

چکیده مقاله

یکی از مسائل بسیار حیاتی در حوزه ارتباطات ماهواره ای و ناوبری ، مسئله مدلسازی اثر محتوای کلی الکترون می باشد که به دلیل اهمیت آن در محیط یونسفر و تاثیرات فیزیکی ناشی از آن، توجه بسیاری از پژوهشگران را به خود جلب کرده است در این مقاله به بررسی ارتباط بین مدلهای یادگیری ماشین و شبکه های عصبی مصنوعی مانند شبکه عصبی موجکی ، ANN، SVM، SVR همراه با الگوریتم آموزش هیبرید PSO در مدلسازی تغییرات زمانی مکانی محتوای کلی الکترون در یونسفر ایران پرداخته شده است تحلیل و مقایسه نتایج نشان داده است که استفاده از شبکه عصبی موجک سه لایه با تعداد نورون بهینه به دقت بالایی در پیش بینی سری زمانی مکانی TEC یونسفری در ایران منجر شده است در مقایسه با روشهای ANN، SVM و SVR نیز نشان می دهد که شبکه عصبی موجک سه لایه با اموزش هیبرید PSO عملکرد بهتری دارد

کلیدواژه‌ها

نویسندگان

مهدی فرهنگی

دانشجوی کارشناسی ارشد فتوگرامتری دانشکده مهندسی عمران، آب و محیط زیست دانشگاه شهید بهشتی

یحیی جمور

دانشیار دانشکده مهندسی عمران، آب و محیط زیست دانشگاه شهید بهشتی

فرهنگی، مهدی و جمور، یحیی،1403،مدلسازی سری زمانی مکانی TEC یونسفری در ایران با استفاده از رویکردهای یادگیری ماشین و شبکه های عصبی،بیست و هشتمین همایش ملی مهندسی نقشه برداری و اطلاعات مکانی (ژئوماتیک ۱۴۰۳)،تهران

ارائه‌شده در

مجموعه مقالات بیست و هشتمین همایش ملی مهندسی نقشه برداری و اطلاعات مکانی (ژئوماتیک ۱۴۰۳)9 اردیبهشت 1403 · تهران