توموگرافی یونوسفر بکمک روش کمینهسازی توابع هدف و شبکههای عصبی مصنوعی در منطقه ایران
|
|
|
|
|
نویسنده
|
غفاری رزین رضا ,وثوقی بهزاد
|
منبع
|
علوم و فنون نقشه برداري - 1396 - دوره : 7 - شماره : 2 - صفحه:93 -110
|
چکیده
|
در این مقاله روش کمینه سازی توابع هدف با کمک شبکه های عصبی موجک چند لایه، جهت مدل سازی توموگرافی یونوسفر به عنوان یک روش جدید ارائه شده است. براساس روش توموگرافی، تابع هدفی تعریف گردیده و سپس با کمک شبکه های عصبی موجک چند لایه (wnn) طراحی شده، مقدار این تابع هدف به کمترین میزان خود می رسد. جهت بهینه سازی وزن ها و بایاس ها در شبکه های عصبی، می بایستی از یک الگوریتم آموزش مناسب بهره گرفت. به همین جهت در این مقاله از الگوریتم های آموزش پس انتشار خطا (bp) و بهینه سازی انبوه ذرات (pso) استفاده شده است. سه روش ترکیبی برای کمینه سازی توابع هدف که جزو نوآوری های اصلی این مقاله است مورد بررسی و آنالیز قرار گرفته است. در روش اول (rmtnn) از شبکه عصبی مصنوعی پرسپترون 3 لایه با الگوریتم آموزش پس انتشار جهت مدل سازی توزیع چگالی الکترونی استفاده شده است. در روش دوم (mrmtnn) یک شبکه عصبی موجک 3 لایه بهمراه الگوریتم آموزش پس انتشار خطا جهت مدل سازی توزیع چگالی الکترونی بکار گرفته شده و نهایتاً در ترکیب سوم (itnn) از شبکه عصبی موجک 3 لایه بهمراه الگوریتم آموزش بهینه سازی انبوه ذرات جهت مدل سازی تغییرات زمانمکان چگالی الکترونی بهره گرفته شده است. مشاهدات مربوط به شبکه مبنای ژئودینامیک دائمی ایران (32 ایستگاه gps به همراه یک ایستگاه اندازه گیری مستقیم یونوسفر) جهت آزمون و ارزیابی هر سه ترکیب مورد استفاده قرار گرفته اند. تمامی نتایج بدست آمده از سه روش با اندازه گیری های ایستگاه یونوسوند و مدل هارمونیک های کلاه کروی (sch) مقایسه شده است. همچنین شاخص های آماری خطای نسبی و مطلق، جذر خطای مربعی میانگین (rmse)، بایاس، انحراف معیار و ضریب همبستگی برای هر سه روش پیشنهادی این مقاله مورد محاسبه و بررسی قرار گرفته است. آنالیزهای انجام گرفته در مورد روش های rmtnn، mrmtnn و itnn بیانگر این موضوع است که روش itnn نسبت به دو روش دیگر دارای سرعت همگرایی بالا به جواب بهینه و همچنین دقت و صحت بالاست. مقایسه های صورت گرفته نشان دهنده بهبود مدل سازی محتوای الکترون کلی توسط روش itnn به مقدار 0.5 الی 5.65 tecu در منطقه ایران نسبت به مدل های تجربی یونوسفر می باشد. همچنین متوسط ضریب همبستگی 0.901 مابین خروجی های روش itnn و اندازه گیری های ایستگاه های یونوسوند، حاکی از کارائی بالای روش پیشنهادی این مقاله در مدل سازی تغییرات زمانمکان چگالی الکترونی است.
|
کلیدواژه
|
توموگرافی یونوسفر، محتوای الکترون کلی، شبکه عصبی مصنوعی، تابع هدف، چگالی الکترونی، gps ، iri-2012، rmtnn، mrmtnn، itnn
|
آدرس
|
دانشگاه صنعتی خواجه نصیرالدین طوسی, دانشکده مهندسی نقشه برداری, ایران, دانشگاه صنعتی خواجه نصیرالدین طوسی, دانشکده مهندسی نقشهبرداری, ایران
|
پست الکترونیکی
|
vosoghi@kntu.ac.ir
|
|
|
|
|