مدل سازی TEC یونسفر با استفاده از مدل شبکه عصبی بازگشتی دروازه ای و مقایسه آن با سایر مدل ها

  • سال انتشار: 1403
  • محل انتشار: فصلنامه اطلاعات جغرافیایی ( سپهر)، دوره: 33، شماره: 132
  • کد COI اختصاصی: JR_SEPEHR-33-132_002
  • زبان مقاله: فارسی
  • تعداد مشاهده: 80
دانلود فایل این مقاله

نویسندگان

سید رضا غفاری رزین

دانشیار گروه مهندسی نقشه برداری، دانشکده مهندسی علوم زمین، دانشگاه صنعتی اراک

نوید هوشنگی

استادیارگروه مهندسی نقشه برداری، دانشکده مهندسی علوم زمین، دانشگاه صنعتی اراک

چکیده

در این مقاله ایده استفاده از روش شبکه عصبی بازگشتی دروازه ای (GRU) برای مدل سازی مکانی-زمانی محتوای الکترون کلی یونسفر (TEC) به عنوان یک مدل جدید پیشنهاد شده است. در این نوع شبکه عصبی برخلاف شبکه های عصبی معمولی، مشکل محوشدگی گرادیان وجود نداشته و از لحاظ محاسبات نیز بسیار ساده و سبک است. کارایی مدل جدید با استفاده از مشاهدات ۱۵ ایستگاه GPS در شمال غرب ایران ارزیابی شده و برای محاسبه دقت مدل GRU، دو ایستگاه کنترل داخلی و سه ایستگاه کنترل خارجی در نظر گرفته شده است. لازم به ذکر است که آموزش مدل GRU با استفاده از پارامترهای طول و عرض جغرافیایی ایستگاه GPS، روز از سال (DOY)، زمان (به وقت جهانی)، شاخص های ژئومغناطیسی AP، KP و DST و شاخص فعالیت خورشیدی (F۱۰.۷) انجام می شود. همچنین TEC در راستای زنیت (VTEC) مرتبط با پارامترهای ورودی به عنوان خروجی مطلوب در نظر گرفته شده است. نتایج مدل جدید با نتایج شبکه عصبی مصنوعی (ANN)، نقشه های جهانی یونسفر (GIM) و مدل تجربی IRI۲۰۱۶ مقایسه می شود. همچنین تاثیر TEC مدل سازی شده در تعیین موقعیت نقطه ای دقیق (PPP) مورد بررسی قرار گرفته است. در مرحله ارزیابی، مقدار میانگین RMSE مدل های ANN و  GRU و GIM و IRI به ترتیب برابر با ۲.۴۲، ۱.۷۶، ۳.۰۲ و ۶.۹۱ TECU به دست آمد. همچنین میانگین خطای نسبی مدل ها به ترتیب برابر با ۱۲.۹۳%، ۱۰.۷۵%، ۱۶.۸۲% و ۲۶.۵۶% حاصل شد. تجزیه و تحلیل روش PPP بهبود ۴۵ میلی متری در مولفه های مختصات با استفاده از مدل GRU را نشان می دهد. نتایج به دست آمده حاکی از این است که در فعالیت های ژئومغناطیسی و خورشیدی بالا و پایین، مدل GRU نسبت به مدل های دیگر از دقت بالاتری برخوردار است.

کلیدواژه ها

یونسفر, TEC, GPS, GRU, شمالغرب ایران

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.