مدل‌سازی میدان سرعت پوسته زمین با استفاده از شبکه‌‌های عصبی مصنوعی ANNsبررسی موردی: شبکه ژئودینامیک ایران)

Authors

  • علی محمدزاده دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی
Abstract:

در این مقاله از یک شبکه عصبی مصنوعی پرسپترون 3 لایه با 28 نورون در لایه مخفی به‌منظور مدل‌سازی مولفه شرقی (VE) و 27 نورون در لایه مخفی برای مدل‌سازی مولفه شمالی (VN) میدان سرعت پوسته زمین در منطقه ایران استفاده شده است. ارزیابی نتایج به‌دست آمده از شبکه عصبی مدل‌سازی شده در 11 ایستگاه آزمون GPSکه بردارهای سرعت آنها نسبت به صفحه اوراسیا مشخص بوده،صورت گرفته است. کمینه‌‌ خطای نسبی به‌دست آمده از این ارزیابی 57/3- درصد برای مولفه شرقی و 16/0+ درصد برای مولفه شمالی و بیشینه خطای نسبی برای مولفه شرقی 1/38+ درصد و برای مولفه شمالی 3/95+ درصد است. همچنین به‌منظور ارزیابی کارایی شبکه‌‌های عصبی مصنوعی در برآورد سرعت نقاط ژئودتیکی، در این مقاله از یک چندجمله‌ای مرتبه 5 با 18 ضریب برای مدل‌سازی مولفه شرقی و شمالی استفاده شده است. مقایسه مقادیر خطای نسبی محاسبه شده برای مدل چندجمله‌ای با مقادیر خطای نسبی به‌دست آمده برای شبکه عصبی، حاکی از برتری این روش نسبت به مدل چندجمله‌ای در برآورد سرعت نقاط ژئودتیکی در این منطقه است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

برآورد میدان سرعت پوسته زمین با استفاده از شبکه عصبی مصنوعی و انترپولاسیون کریژینگ فراگیر (منطقه مورد مطالعه: شبکه ژئودینامیک کشور ایران)

در این مقاله از 2 روش شبکه عصبی مصنوعی (ANN) و درونیابی کریژینگ فراگیر جهت برآورد مکانی تغییرات سرعت پوسته زمین در ایران استفاده شده است. در هر 2 روش جهت تست و ارزیابی نتایج بدست آمده از 7 ایستگاه GPS که مقادیر سرعت آنها نسبت به صفحه اوراسیا معلوم بوده، استفاده شده است. میانگین خطای نسبی بدست آمده از این مقایسه 48/13+ درصد برای شبکه عصبی و 38/25+ درصد برای روش کریژینگ فراگیر در مولفه شمالی (VN)...

full text

آنالیز 3 بعدی تغییر شکل پوسته زمین بروش ایزوپارامتریک و درون یابی با شبکه های عصبی مصنوعی (منطقه مورد مطالعه : شبکه ژئودینامیک ایران)

یکی از کاربردهای مهم ژئودزی در تحقیقات ژئودینامیک، مطالعه تغییرات پوسته‌ای زمین می‌باشد. در این مقاله مساله آنالیز سطحی تغییر شکل پوسته زمین در منطقه ایران بصورت مدل 3بعدی مورد بررسی قرار می گیرد. از روش ایزوپارامتریک 3بعدی و داده‌های GPS شبکه مبنای دائمی ژئودینامیک کشور ایران (37 ایستگاه بین سالهای  2007-2008) جهت برآورد مولفه های تنسور استرین استفاده شده است. بنا به ویژگیهای مدلسازی 3بعدی پوس...

full text

تخمین پارامترهای شتاب، سرعت و جابجایی ماکزیمم زمین با استفاده از شبکه عصبی مصنوعی

به منظور انجام تحلیل‏های دینامیکی و همچنین تعیین میزان خطرپذیری در هر منطقه بایستی بتوان پارامترهای زمین‌لرزه‌ احتمالی آن منطقه را تخمین زد. در این مقاله تلاش خواهد شد با استفاده از شبکه عصبی مصنوعی مقادیر شتاب، سرعت و جابجایی ماکزیمم زمین تخمین زده شود. بدین منظور از شبکه‏ها‏ی عصبی به عنوان یکی از روش‏ها و تکنیک‏های کاربردی هوش مصنوعی در ارائه یک روش محاسباتی ساده‏تر برای حذف تردیدها و عدم قطع...

full text

مدلسازی نفوذپذیری سیستم بیوراکتورغشایی با استفاده از شبکه عصبی مصنوعی

مدلسازی برای سیستم های پیچیده ای همچون بیوراکتور غشایی به دلیل امکان اجرای آزمایشهای مجازی زیاد در زمان کوتاه ابزاری قدرتمند است، اگرچه نیازمند اعتبار تجربی و تبدیل فرایند به مدل ریاضی می باشد. در این پژوهش به مدلسازی فرایند فیلتراسیون توسط شبکه های عصبی با استفاده از نرم افزار MATLAB 8.1 (2013) پرداخته شده و از داده های تجربی یک سیستم بیوراکتور غشایی غوطه ور مجهز به غشاء کوبوتا جهت تصفیه فاضلا...

full text

مدلسازی تخصیص ناوگان اتوبوسرانی شهری با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: مشهد مقدس)

استفاده از سیستم اتوبوسرانی درون شهری با توجه به انعطاف پذیری بالا و ارزان بودن آن برای استفاده کننده، در شهرهای بزرگ و به ویژه در کشورهای در حال توسعه امری اجتناب ناپذیر است. از این رو بهبود این سیستم حمل و نقل بدلیل گستره فعالیت آن ضروری به نظر می رسد. یکی از رو شهای ارتقای عملکرد این سیستم، تخصیص بهینه اتوبو سها به خطوط فعال به گونه ای است که نسبت به وضعیت موجود، تعداد مسافر بیشتری حمل نموده...

full text

پهنه بندی خطر زمین لغزش با استفاده از شبکه عصبی مصنوعی مطالعه موردی: حوضه کشوری (نوژیان)

حوضه آبریز کشوری در جنوب شرقی شهر خرم آباد در استان لرستان قرار دارد. این حوضه از نظر تقسیم بندی زمین ساخت ایران در زاگرس چین خورده قرار می گیرد. با توجه به نوع سازند های زمین شناسی، وضعیت توپوگرافی و وسعت آن، این حوضه از پتانسیل لغزش بالایی برخوردار بوده و از نظر لغزشی ناپایدار است. در این تحقیق برای پهنه بندی خطر زمین لغزش در این حوضه از روش شبکه عصبی مصنوعی با ساختار پرسپترون چند لایه و الگو...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 9  issue 3

pages  91- 103

publication date 1394-07-01

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023