مدلسازی تاخیر یونسفری با استفاده از شبکه ی عصبی مصنوعی بهینه شده باالگوریتم ازدحام ذرات

یونسفر بزرگترین منبع خطا بعد از خاموش شدنSAدر اندازه گیریهای تعیین موقعیت و ناوبری باGPS محسوب میشود. گیرنده های دو فرکانسه قابلیت حذف این خطا را دارند ولی مقرون به صرفه نیستند ،در حالیکه گیرندههای تک فرکانسه هزینه ی کمتری داشته و دسترسی بیشتری دارند اما از محاسبه ی تاخیر یونسفری ناتوان بوده و تعیین موقعیت را با آن خطا محاسبه مینمایند. داشتن یک مدل یونسفری قابل اطمینان،مشکل ناتوانی گیرنده های تک فرکانسه برای محاسبهی تاخیر یونسفری را حل می کند. بدین منظور از داده های TEC 5 سال 2006- 2010 موقعیت ایستگاه تهران (فرمول در متن اصلی مقاله) شاخص های ژئومغناطیس و خورشیدی برای مدلسازی با شبکه ی عصبی ای که وزن ها و بایاس های آن با الگوریتم ازدحام ذرات بهینه شده اند استفاده شده است Rmse داده های تست مدل PSO-ANN برابر TECU(Total Electron Content Unit) 1.19 می باشد و این مدل میانگین اطمینان 91.9148% را شامل می باشد.

کلیدواژه ها:

یونسفر ، شبکه ی عصبی ، الگوریتم ازدحام ذرات ، سیستم تعیین موقعیت جهانی ، محتوای کل چگالی الکترون قائم