[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 7، شماره 1 - ( 6-1396 ) ::
دوره 7 شماره 1 صفحات 101-113 برگشت به فهرست نسخه ها
ارزیابی کارائی شبکه عصبی چند لایه MLP-ANN با الگوریتم آموزش PSO در مدل‌سازی سری زمانی محتوای الکترون کلی لایه یونسفر
میر رضا غفاری رزین ، بهزاد وثوقی
چکیده:   (1596 مشاهده)

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) استفاده شده است. اعتبارسنجی نتایج حاصل از روش با مشاهدات سیستم تعیین موقعیت جهانی (GPS) انجام گرفته است. همچنین نتایج بدست آمده از شبکه عصبی در پنج ایستگاه آزمون با نتایج حاصل از مدل مرجع بین‌المللی 2012 (IRI-2012) و روش درون‌یابی کریجینگ فراگیر مورد مقایسه قرار گرفته است. آنالیز نتایج بدست آمده حاکی از سرعت بالای الگوریتم آموزش PSO در همگرایی به جواب بهینه می‌باشد. جهت ارزیابی خطای مدل شبکه عصبی از شاخص‌ dVTEC که از اختلاف مابین TEC حاصل از اندازه‌گیری‌های GPS و TEC حاصل از مدل محاسبه می‌گردد، استفاده شده است. کمینه این شاخص در 11 روز مورد مطالعه برای سه مدل شبکه عصبی، IRI-2012 و کریجینگ فراگیر بترتیب برابر با 55/0، 57/1 و 70/0 TECU و بیشینه آن بترتیب برابر با 45/5، 16/7 و 51/5 TECU محاسبه شده است. نتایج حاصل از این مقاله حاکی از آن است که مدل شبکه عصبی مصنوعی با الگوریتم آموزش PSO از دقت و صحت لازم جهت پیش بینی تغییرات زمان-مکان لایه یونسفر برخوردار می باشد.          

واژه‌های کلیدی: شبکه عصبی مصنوعی، PSO، TEC، GPS، یونسفر، کریجینگ
متن کامل [PDF 1426 kb]   (445 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: ژئودزی و هیدروگرافی
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA code


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Ghaffari Razin M R, Voosoghi B. Efficiency of Multi-layer Artificial Neural Network with PSO Training Algorithm in Ionosphere Time Series Modeling. JGST. 2017; 7 (1) :101-113
URL: http://jgst.issge.ir/article-1-426-fa.html

غفاری رزین میر رضا، وثوقی بهزاد. ارزیابی کارائی شبکه عصبی چند لایه MLP-ANN با الگوریتم آموزش PSO در مدل‌سازی سری زمانی محتوای الکترون کلی لایه یونسفر . نشریه علمی پژوهشی علوم و فنون نقشه برداری. 1396; 7 (1) :101-113

URL: http://jgst.issge.ir/article-1-426-fa.html



دوره 7، شماره 1 - ( 6-1396 ) برگشت به فهرست نسخه ها
نشریه علمی پژوهشی علوم و فنون نقشه برداری Journal of Geomatics Science and Technology