ارزیابی اثر مؤلفه ­های مکان و دما در بهبود برآورد مقدار محتوای الکترونی یونسفر در چند ایستگاه کشور

یونسفر یکی از پدیده­‌های پیچیده است که شامل مولکول­‌های یونیزه شده توسط خورشید می‌باشد. ضرورت مطالعه یونسفر و مدل‌سازی آن از این حقیقت ناشی می­‌شود که محتوای الکترونی یونسفر به پارامترهای زیادی بستگی دارند که دائما در حال تغییر هستند. انتشار امواج الکترومغناطیس در لایه یونسفر تحت تأثیر الکترون­‌های آزاد این محیط بوده، بنابراین مدل­‌سازی یونسفر در بسیاری از زمینه‌­ها از قبیل ارتباطات مخابراتی، ناوبری و تعیین موقعیت ماهواره‌­ای، سیستم‌­های راداری و سایر فناوری­‌های فضایی مورد توجه می‌­باشد. طبیعت پیچیده یونسفر باعث شده مدل­‌ها و روش­‌های مختلف دو بعدی و سه بعدی جهت رسیدن به یک برآورد مناسب از مقدار محتوای الکترون یونسفر پایه‌­گذاری، ارزیابی و مقایسه شوند. در این مقاله از شبکه­‌های عصبی موجک جهت مدل‌سازی مقدار محتوای الکترون لایه یونوسفر (TEC) در ایستگاه‌­های چهار شهر اهواز، ساری، کرمان و سقز در 365 روز از سال 2014 استفاده شده است. نتایج مدلسازی با روش‌­های مذکور برای داده‌­های مکانی و دماهای مختلف در ایران ارزیابی و مقایسه شده و به صورت کمی ارائه گردید. داده‌­های مورد استفاده، نقشه‌­های یونسفری می­‌باشند که نمایشگر میزان محتوای مجموع الکترونی هستند. نتایج این تحقیق نشان‌­دهنده تأثیر مؤلفه‌­های مکانی و دما در کارایی شبکه عصبی موجک در برآورد محتوای الکترونی یونسفر می‌­باشد. میانگین خطای نسبی به دست آمده برای حالت تلفیقی پارامترهای مکان، زمان و دما با استفاده از شبکه­‌های عصبی موجک برابر 52/11 درصد بوده است. این مقدار برای حالت تلفیقی دو پارامتر به طور میانگین برابر 05/15 درصد به دست آمده است. مقایسه صورت گرفته در مورد خطا نشان­‌دهنده برتری حالت تلفیقی سه پارامتر دما، مکان و زمان نسبت به سایر حالت­‌ها در برآورد محتوای الکترونی یونسفر بوده است. همچنین در این مقایسه، بهترین مدل مربوط به حالت­‌های مکان- دما- زمان، مکان- زمان و دما- زمان به ترتیب مربوط به شبکه­‌های عصبی RBF, MLP و B-spline با تلفیق موجک مورلت بوده است.