ارزیابی تاثیر پارامترهای خورشیدی و ژئومغناطیسی در مدل سازی زمانی-مکانی محتوای الکترون کلی (TEC) یونسفر با استفاده از مدل های یادگیری ماشین
محل انتشار: مجله فیزیک زمین و فضا، دوره: 49، شماره: 1
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 121
فایل این مقاله در 17 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_JESPHYS-49-1_009
تاریخ نمایه سازی: 26 مهر 1402
چکیده مقاله:
در این مقاله مقدار محتوای الکترون کلی (TEC) یونسفر با مدل های یادگیری ماشین (ML)، به صورت مکانی-زمانی، مدل سازی شده و مورد ارزیابی و مقایسه قرار می گیرد. روش های رگرسیون بردار پشتیبان (SVR) و شبکه عصبی مصنوعی (ANN) جهت مدل سازی محلی TEC استفاده می شوند. نوآوری اصلی این مقاله در ارزیابی تاثیر پارامترهای فیزیکی مختلف (KP، AP، DST و F۱۰.۷) در دقت خروجی مدل های یادگیری ماشین است. نتایج به دست آمده از دو مدل جدید با نتایج مدل جهانی یونسفری (GIM)، مدل های تجربی IRI۲۰۱۶ و NeQuick در دو ایستگاه کنترل داخلی و یک ایستگاه کنترل خارجی مورد مقایسه قرار گرفته اند. شاخص های آماری جذر خطای مربعی میانگین (RMSE)، خطای نسبی، dVTEC=|VTECGPS-VECmodel|و ضریب همبستگی برای ارزیابی خطای مدل ها، به کار گرفته شده است. ارزیابی تاثیر پارامترهای ژئومغناطیسی و خورشیدی در خروجی مدل های SVR و ANN نسبت به پارامترهای ورودی انجام و اهمیت هرکدام از پارامترهای فیزیکی در مدل سازی مکانی-زمانی یونسفر مورد بررسی قرار گرفته است. میانگین RMSE محاسبه شده در دو ایستگاه کنترل داخلی برای مدل های SVR، ANN، GIM، IRI۲۰۱۶ و NeQuick به ترتیب برابر با ۰۴/۱، ۹۱/۳، ۰.۲/۳، ۹۰/۶ و ۶۵/۷ TECU شده است. همچنین میانگین ضریب همبستگی مدل ها در دو ایستگاه کنترل داخلی به ترتیب برابر با ۹۷/۰، ۷۲/۰، ۸۴/۰، ۶۸/۰ و ۶۰/۰ محاسبه شده است. نتایج به دست آمده از این مقاله نشان می دهد که در هر دو حالت فعالیت های ژئومغناطیسی و خورشیدی بالا و پایین، مدل SVR در ایستگاه های کنترل داخلی از دقت و صحت بالاتری نسبت به سایر مدل ها برخوردار است.
کلیدواژه ها:
نویسندگان
مهدیه السادات نظام زاده
گروه مهندسی ژئودزی، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران. رایانامه: m.nezamzadeh۹۷@gmail.com
بهزاد وثوقی
گروه مهندسی ژئودزی، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران. رایانامه: vosoghi@kntu.ac.ir
سید رضا غفاری رزین
نویسنده مسئول، گروه مهندسی نقشه برداری، دانشکده مهندسی علوم زمین، دانشگاه صنعتی اراک، ایران. رایانامه: mr.ghafari@arakut.ac.ir
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 :