پیش­بینی هوشمند موقعیت مداری ماهواره به کمک سری­های زمانی

پیش‌بینی موقعیت مداری ماهواره با استفاده از داده‌های مشاهداتی و شبکة عصبی

  در این مقاله هدف ارائة دیدگاه متفاوتی در مبحث پیش‌بینی موقعیت مداری ماهواره است. دیدگاه روش‌های فعلی دیدگاه جزئی‌نگر است که عوامل مؤثر را به‌صورت مجزا به محاسبات اعمال می‌کند. این روش‌ها مبتنی‌بر معادلة حرکت کپلری و مهم‌ترین اغتشاشات وارد به ماهواره می‌باشند. دیدگاه پیشنهادی این مقاله دیدگاه کلی‌نگر است که دیدگاه متفاوت و نوینی در این مبحث به‌شمار می‌آید. این روش با استفاده از داده‌های مشاهدا...

آزمون سریهای زمانی مدلهای رشد درونزا

پیش‌بینی بردار حالت مداری ماهواره با استفاده از سری‌های زمانی و شبکه‌های عصبی

در این مقاله روشی نوین برای پیش­بینی موقعیت مداری ماهواره با استفاده از سری­های زمانی و شبکه­های عصبی معرفی شده است. در این روش، بر خلاف روش­های معمول پیش­بینی مدار، از قوانین کپلر استفاده نشده و از قدرت پیش­بینی سری­های زمانی در شبکه­های عصبیبرای پیش­بینی موقعیت مداری استفاده شده است. مهمترین مزیت روش پیشنهادی نسبت به روش­های موجود، در استفاده از داده­های واقعی است. چرا که روش­های موجود عموما ...

تجزیه و تحلیل سریهای زمانی تصادفی به روش قطع تراز

  Level crossing is a powerful method for analyzing the random time series. In this paper by introducing this method we investigate the beta noises and represent differences between 1/f noise and white noise and also research the cardiac heart interbeat interval (RR) time series and find clear distinctions between healthy samples and samples with Congestive heart failure (CHF) disease.

فاصله اطلاعاتی و کاربرد آن در سریهای زمانی

  In this paper a new method is introduced for studying time series of complex systems. This method is based on using the concept of entropy and Jensen-Shannon divergence. In this paper this method is applied to time series of billiard system and heart signals. By this method, we can diagnose the healthy and unhealthy heart and also chaotic billiards from non chaotic systems . The method can al...