پیش بینی آنومالی سطح دریا با استفاده از روش تجزیه به توابع حالت های ذاتی و شبکه عصبی تابع پایه شعاعی

آنومالی سطح دریا (SLA، Sea Level Anomaly) به عنوان کمیتی که بیان کننده اختلاف ارتفاع سطح لحظه ای آب با مقدار متوسط سطح آب در یک بازه زمانی می باشد در مطالعه وضعیت سطح آب مناطق مختلف دارای اهمیت چشم گیری می باشد. منطقه آبی دریاچه خزر به عنوان یکی از دو منبع مهم آبی برای کشور ایران از اهمیتی استراتژیک برخوردار است. بدین منظور در این پژوهش با استفاده از داده های گذر ۹۲ ماموریت های ارتفاع سنجی ماهواره ای (توپکس پوزیدون، جیسون۱، جیسون۲ و جیسون۳)؛ عبوری از منطقه آبی خزر به مشاهده تغییرات کمیت آنومالی سطح دریا در این منطقه از سال ۱۹۹۳ تا سال ۲۰۲۰ پرداخته شده است. سپس این کمیت با استفاده از روش تجزیه به حالت های ذاتی (EMD، Emperical Mode Decompsition) به عنوان روشی کارا در جداسازی فرکانس های تشکیل دهنده یک سیگنال مورد آنالیز قرار گرفته است و سپس با استفاده از شبکه عصبی توابع پایه شعاعی (RBF، Radial Basis Function) یک شبکه به منظور پیش بینی آنومالی سطح دریا ایجاد شده است. ۹ فرکانس غالب به همراه یک ترند نتیجه تجزیه سیگنال مدنظر در این پژوهش می باشد که در نهایت منجر به پارامترهای؛ مجذور میانگین خطا به میزان ۰۲۹/۰ متر و ۰۳۴/۰ متر به همراه ضریب همبستگی ۹۹/۰ و ۹۷/۰ به ترتیب در دو مرحله آموزش و تست شبکه عصبی می شود.

کلیدواژه ها:

Satellite altimetry ، Signal Analysis ، Empirical Mode Decomposition Method ، Intrinsic Mode Function ، Radial Basis Function neural network