برآورد سرعت نقاط مجازی ژیودتیک بر پایه الگوریتم پس‌انتشار خطای شبکه های عصبی مصنوعی (مطالعه موردی: منطقه شمال باختر ایران)

مطالعات ژیودینامیک در ایران به‌طور جدی از سال 1377 با استقرار شبکه های موردی gps برای پایش تغییرات پوسته زمین آغاز شد. پس از استقرار شبکه ژیودینامیک سراسری در سال 1385، هر ساله میدان سرعت ایستگاه های دایمی gps این شبکه توسط سازمان نقشه برداری کشور محاسبه و گزارش می شود. برای تولید سرعت نقاط ژیودتیک در هر نقطه دلخواه دیگر، به دلیل تراکم پایین ایستگاه های دایمی gpsکشور، نیاز به ایستگاه های جدید با مشاهدات بیشتر یا استفاده از روش های مدرن و هوشمند است. از آنجاکه ایجاد ایستگاه های جدید مستلزم صرف هزینه و زمان زیاد است، بنابراین به‌کارگیری روش های تخمین می تواند جایگزین مناسبی قلمداد شود. از جمله این روش ها می‌توان شبکه های عصبی مصنوعی را نام برد. مهم‌ترین مزیت های این روش یادگیری شبکه ها، پردازش موازی و انعطاف‌پذیری محاسبات است. بدین منظور در این پژوهش، با انتخاب 42 ایستگاه دایمی gps در شمال باختر کشور، میدان سرعت منطقه با دو روش تخمین پس‌انتشار خطای شبکه های عصبی مصنوعی و کالوکیشن در دو مدل متفاوت برآورد و مقایسه شدند. نتایج حاصل نشان می دهند در مدل اول با تراکم ایستگاه های مرجع کمتر روش پس‌انتشار خطای شبکه های عصبی مصنوعی با جذر خطای میانگین مربعی در حدود 2± میلی‌متر خاوری، 5/3 ± میلی‌متر شمالی به علت دارا بودن جذر خطای میانگین مربعی کمتر، نسبت به روش کالوکیشن برتری دارد. همچنین در مدل دومپس‌انتشار خطای شبکه های عصبی مصنوعی دارای جذر خطای میانگین مربعی در حدود 1± میلی‌متر خاوری، 5/1± میلی‌متر شمالی بوده و روشی جایگزین برای تخمین میدان سرعت نسبت به روش های تخمین کلاسیک است.