ارزیابی کارائی تبدیل فوریه در مدل سازی و پیش بینی سری زمانی تغییرات یونسفر
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 129
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SEPEHR-34-134_005
تاریخ نمایه سازی: 15 مهر 1404
چکیده مقاله:
در این پژوهش مقدار محتوای الکترون کلی (TEC) یونوسفر با استفاده از تبدیل فوریه (FT) مورد ارزیابی قرار گرفته است. برای این منظور مشاهدات ایستگاه GPS تهران (N۳۵.۶۹ ، E۵۱.۳۳) که یکی از ایستگاه های شبکه جهانی IGS است، از سال ۲۰۰۷ تا سال ۲۰۱۸ مورد استفاده قرار می گیرد. با استفاده از مشاهدات سال های ۲۰۱۷-۲۰۰۷ ضرایب سری فوریه محاسبه شده و فرکانس های غالب موجود در آن استخراج می شود. سپس با استفاده از ضرایب سری فوریه بدست آمده، مقدار TEC به صورت روزانه، ماهانه و سالیانه برای سال ۲۰۱۸ پیش بینی می شود. به منظور ارزیابی روش پیشنهادی در این تحقیق، نتایج حاصل با مقادیر TEC حاصل از GPS (GPSTEC)، مدل کریجینگ معمولی (OKTEC) و همچنین TEC حاصل از شبکه جهانی IGS (GIMTEC) مقایسه شده اند. پارامترهای آماری خطای نسبی، جذر خطای مربعی میانگین (RMSE)، ضریب همبستگی و هیستوگرام باقیمانده ها برای ارزیابی نتایج مورد استفاده قرار می گیرند. براساس نتایج، پیش بینی مقدار TEC حاصل از سری فوریه در سال ۲۰۱۸ دارای بیشینه خطای نسبی ۱۶.۶۲% وجذر خطای مربعی میانگین، ۱.۹۷ TECU است. برای مدل GIM بیشینه مقادیر خطای نسبی و RMSE به ترتیب ۴۵.۴۰% و ۳.۵۰ TECU به دست آمده است. همچنین برای مدل کریجینگ معمولی مقادیر خطا به ترتیب برابر با ۲۱.۳۵% و ۲.۱۲ TECU شده است. تحلیل هیستوگرام باقیمانده ها نیز حاکی از دقت بالاتر مدل FT نسبت به مدل های GIM و کریجینگ معمولی است. نتایج حاصل نشان می دهند که روش تبدیل فوریه قابلیت بالایی برای تخمین سری زمانی TEC در دوره فعالیت های آرام خورشیدی را دارد.
کلیدواژه ها:
نویسندگان
رامین علی رمائی
دانش آموخته کارشناسی ارشد, گروه مهندسی نقشه برداری, دانشگاه آزاد اسلامی واحد تهران شمال, تهران، ایران
محمدرضا سیف
استادیار دانشگاه جامع امام حسین (ع)، تهران، ایران
سید رضا غفاری رزین
دانشیار,گروه مهندسی نقشه برداری, دانشکده مهندسی علوم زمین, دانشگاه صنعتی اراک, اراک، ایران
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 :