پیش بینی ضرایب تصحیح کننده چگالی اتمسفری با استفاده از شبکه های عصبی
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 161
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SEPEHR-31-121_003
تاریخ نمایه سازی: 4 تیر 1401
چکیده مقاله:
امروزه ماهواره های مدار پایین نقش مهمی در جمع آوری مشاهدات مربوط به زمین و میدان گرانش حاکم بر آن ایفا می کنند. عوامل مختلفی بر دقت و صحت مشاهدات این ماهواره ها موثر هستند. ازجمله ی این عوامل، اصطکاک اتمسفری وارد بر ماهواره ها است که حتی می تواند پس از مدتی کارایی آن ها را با چالش مواجه کند. به همین دلیل تلاش های گوناگونی درصدد مدل سازی و پیش بینی عوامل موثر بر این نیرو برآمده است. مدل های تجربی ارائه شده برای چگالی اتمسفری نمونه ای از این تلاش ها است. باگذشت زمان و پیدایش خطاهای موجود در مدل های تجربی، تلاش برای اصلاح آن ها آغاز شد چراکه به دلیل ساده سازی ها و محدودیت های مشاهداتی، این مدل ها همواره با خطا همراه هستند و مقدار خروجی آن ها با مقدار واقعی چگالی اتمسفر، تطابق کامل ندارد. از دیگر سو، با گسترش علوم، روش های جدیدی مانند هوش مصنوعی و شبکه های عصبی برای پیش بینی یک سری زمانی ارائه شده است که قابلیت یادگیری رفتار سیگنال بدون تشکیل یک مدل ریاضی پیچیده را دارند. در این تحقیق، از شبکه های عصبی با حافظه بلند-کوتاه مدت برای پیش بینی و اصلاح مدل های تجربی چگالی اتمسفری که مهم ترین عامل تعیین کننده ی میزان کشش اتمسفری است، استفاده شده است. این شبکه های عصبی از نوع شبکه های بازگشتی هستند و با حفظ وابستگی سیگنال در زمان می توانند دقت بهتری را برای پیش بینی سیگنال فراهم آورند. داده های مورداستفاده برای آموزش شبکه عصبی مربوط به ماهواره ی GRACE و در نیمه ی نخست سال ۲۰۱۴ بوده است. برای ارزیابی نتایج نیز با استفاده از ضریب اصطکاک خروجی حاصل از شبکه عصبی و همچنین ضریب اصطکاک مربوط به مدل های عددی، موقعیت ماهواره تعیین و با موقعیت واقعی مقایسه شده است. نتایج پیش بینی نشان می دهد که در حالت تک متغیره مقدار RMSE در حدود ۰.۰۵۴ و در حالت چند متغیره در حدود ۰.۰۳ است و همچنین شبکه ی عصبی قادر است مدار ماهواره GRACE را با RMSE در حدود ۰.۱۵ متر پیش بینی کند.
کلیدواژه ها:
نویسندگان
سعید فرزانه
استادیار دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده های فنی، دانشگاه تهران
محمدعلی شریفی
دانشیار دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده های فنی، دانشگاه تهران
امیر عبدالملکی
کارشناسی ارشد، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده های فنی، دانشگاه تهران
مسعود دهواری
دانشجوی دکتری دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده های فنی، دانشگاه تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :