کاربرد شبکه عصبی موجک با الگوریتم آموزش بهینه سازی انبوه ذرات در مدل سازی تغییرات زمانی محتوای الکترون کلی یون سپهر

Authors

  • بهزاد وثوقی دانشیار، گروه مهندسی ژئودزی، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی
  • میر رضا غفاری رزین استادیار، گروه مهندسی نقشه برداری، دانشکده مهندسی علوم زمین، دانشگاه صنعتی اراک
Abstract:

در این مقاله از ترکیب شبکه‌های عصبی موجک (WNNs) به همراه الگوریتم آموزش بهینه‌سازی انبوه ذرات (PSO) جهت مدل‌سازی تغییرات زمانی محتوای الکترون کلی (TEC) یون‌سپهر در منطقه ایران استفاده شده است. چهار ترکیب از تعداد مشاهدات ورودی مختلف جهت تست روش، مورد ارزیابی قرار گرفته است. تعداد مشاهدات ورودی انتخاب شده جهت آموزش شبکه عصبی موجک با الگوریتم PSO به ترتیب 25، 20، 15 و 10 ایستگاه از شبکه مبنای ژئودینامیک ایران (IPGN) می‌باشند. در هر چهار حالت تعداد پنج ایستگاه با توزیع مناسب در گستره جغرافیایی ایران به عنوان ایستگاه‌های آزمون در نظر گرفته شده‌اند. شاخص‌های آماری خطای نسبی، خطای مطلق و ضریب همبستگی جهت ارزیابی مدل شبکه عصبی موجک مورد استفاده قرار گرفته است. نتایج حاصل از مدل پیشنهادی این مقاله با TEC حاصل از مشاهدات GPS به عنوان مرجع اصلی و مدل جهانی یون‌سپهر 2016 (IRI-2016) مقایسه شده است. میانگین خطای نسبی محاسبه شده در 5 ایستگاه آزمون برای شبکه عصبی موجک با 25 ایستگاه آموزش برابر با 43/13%، با 20 ایستگاه آموزش برابر با 73/13%، با 15 ایستگاه آموزش برابر با 05/15% و با 10 ایستگاه آموزش برابر با 17/28% تعیین شده است. همچنین میانگین مقادیر ضریب همبستگی محاسبه شده در پنج ایستگاه آزمون برای شبکه عصبی موجک با 25 ایستگاه آموزش برابر با 9768/0، با 20 ایستگاه آموزش برابر با 9545/0، با 15 ایستگاه آموزش برابر با 9376/0 و با 10 ایستگاه آموزش برابر با 7569/0 محاسبه شده است. نتایج این مقاله نشان می‌دهد که مدل شبکه عصبی موجک با الگوریتم آموزش PSO یک مدل قابل اعتماد جهت پیش‌بینی تغییرات زمانی یون‌سپهر در منطقه ایران است. این مدل می‌تواند یک جایگزین بسیار مطمئن برای مدل مرجع جهانی یون‌سپهر در ایران باشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مدل سازی فازی زمان‏بندی کارکنان هواپیما و حل آن با الگوریتم بهینه سازی ذرات انبوه

مساله زمان‏بندی کارکنان هواپیما از مهم‏ترین مسائل در حوزه تحقیق در عملیات به شمار می‌رود و به طور عمومی شامل تخصیص گروه های کارکنان به سفرهایی است که می بایست طبق برنامه زمان‏بندی از پیش تعیین شده ای، توسط ناوگان موجود پوشش داده شوند، به طوری که هزینه‏ های مربوط به تخصیص کارکنان به سفرها، کمینه شود. مسئله زمان‏بندی کارکنان به دو فاز کلی تقسیم می‏شود. در فاز اول، تمام سفرهای رفت و برگشتی که شروع...

full text

مدل سازی فازی زمان‏بندی کارکنان هواپیما و حل آن با الگوریتم بهینه سازی ذرات انبوه

مساله زمان‏بندی کارکنان هواپیما از مهم‏ترین مسائل در حوزه تحقیق در عملیات به شمار می رود و به طور عمومی شامل تخصیص گروه های کارکنان به سفرهایی است که می بایست طبق برنامه زمان‏بندی از پیش تعیین شده ای، توسط ناوگان موجود پوشش داده شوند، به طوری که هزینه‏ های مربوط به تخصیص کارکنان به سفرها، کمینه شود. مسئله زمان‏بندی کارکنان به دو فاز کلی تقسیم می‏شود. در فاز اول، تمام سفرهای رفت و برگشتی که شروع...

full text

ارزیابی کارائی شبکه عصبی چند لایه MLP-ANN با الگوریتم آموزش PSO در مدل‌سازی سری زمانی محتوای الکترون کلی لایه یونسفر

در این مقاله از یک شبکه عصبی مصنوعی (ANN) 3 لایه با 18 نورون در لایه مخفی جهت مدل‌سازی سری زمانی تغییرات محتوای الکترون کلی (TEC) لایه یونسفر در منطقه ایران استفاده شده است. مشاهدات 36 ایستگاه GPS در 11 روز متوالی (روز 220 GPS الی روز 230 GPS) از سال 2012 جهت مدل‌سازی بکار گرفته شده است. جهت سرعت بخشیدن به مرحله آموزش و نیز بالا بردن دقت و صحت نتایج از الگوریتم آموزش بهینه‌سازی انبوه ذرات (PSO)...

full text

جبران سازی تغییرات دما در دستگاه سنجش حجم با استفاده از الگوریتم بهینه سازی ازدحام ذرات

برای اندازه¬گیری حجم می¬توان از دستگاه حجم‌سنج آکوستیک که از سه بخش کامپیوتر، کنترل‌کننده و محفظه مکانیکی تشکیل شده استفاده کرد. محفظه مکانیکی خود شامل دو محفظه مرجع و اندازه¬گیری است که با پرده یک بلند¬گو از هم جدا شده¬اند. جسم مورد نظر درون محفظه اندازه¬گیری قرار¬گرفته، توسط بلندگو تغییر حجمی درون آن و محفظه مرجع ایجاد می¬گردد و با دو میکروفون تغییرات فشار حاصله اندازه¬گیری می¬شود. پس از جمع ...

full text

بهینه سازی بازدهی اکسرژی و تولید آنتروپی توربین بادی با استفاده از الگوریتم انبوه ذرات

هدف این تحقیق افزایش اکسرژی و کاهش تولید آنتروپی برای توربین بادی نوع E‌x‌c‌e‌l-S B‌e‌r‌g‌e‌y با بهینه‌سازی سرعت‌های شروع چرخش، نامی و خاتمه‌ی چرخش در الگوریتم انبوه ذرات است. بدین‌منظور ابتدا تابع هدف با مدل‌سازی ریاضی اکسرژی توربین بادی به دست می‌آید. سپس با گردآوری داده‌های آماری توربین مذکور، توسط کد رایانه‌یی شبکه‌ی عصبی، توربین بادی در نرم‌افزار متلب مدل‌سازی شده و نتایج آن به‌صورت جداول...

full text

مدل سازی محلی پروفیل چگالی الکترون یون سپهری ماهواره ی FORMOSAT-3/COSMIC با استفاده از شبکه های عصبی مصنوعی

مطالعه و سنجش  یون  سپهر در علوم مختلف از جمله مطالعات فضایی و برای بهبود آنالیز و پیش بینی فضایی هوا  شامل طوفان های ژئومغناطیسی، بررسی پدیده ها و ناهنجاری های یون سپهری، سیستم های مخابراتی،ژئوفیزیکی، مطالعه پیش نشانگری زلزله و مخاطرات طبیعی  بسیار کارآمد می باشد. برای توصیف فرآیندهای فیزیکی و شیمیایی رخ داده در لایه یون سپهر تغییرات پی در پی چگالی الکترون این لایه  با تغییرات زمان و م...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 28  issue 112

pages  7- 18

publication date 2020-02-20

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