[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 11، شماره 4 - ( 3-1401 ) ::
دوره 11 شماره 4 صفحات 53-39 برگشت به فهرست نسخه ها
پیش‌بینی کوتاه‌مدت حرکت قطبی با استفاده از شبکه‌های عصبی ژرف
محمدعلی شریفی*، کوروش شهریاری نیا، شایان شیرافکن، سید محسن خضرائی، علیرضا امیری سیمکوئی
چکیده:   (392 مشاهده)
امروزه با توجه به نیاز روز افزون پیش‌بینی‌ پارامترهای حرکت قطبی از روش‌های مختلفی استفاده می‌شود. وجود مجموعه داده‌های بلند مدت پارامترهای x و y حرکت قطبی سبب بوجود آمدن منبع ارزشمندی برای پیش‌بینی این پدیده‌ی ژئوفیزیکی است. در این پژوهش از داده‌های بلند مدت حرکت قطبی برای پیش‌بینی دوره‌های 40 روزه به مدت 5 سال استفاده شده است. برای انجام پیش‌بینی‌ها از شبکه‌های عصبی کانولوشنی، شبکه حافظه طولانی کوتاه مدت، شبکه پرسپترون چندلایه و روش آنالیز هارمونیک کمترین مربعات استفاده شده است. در ادامه نتایج شبکه‌های عصبی با یکدیگر و روش آنالیز هارمونیک کمترین مربعات مقایسه گردیده است. در پایان مشخص شد که شبکه‌های حافظه طولانی کوتاه مدت در بیشتر روزها از شبکه‌های کانولوشنی و پرسپترون چندلایه نتایج بهتری دارند. همچنین مشخص شد که این روش‌ها دقت پیش‌بینی بسیار بهتری نسبت به روش آنالیز هارمونیک کمترین مربعات دارند. برای شبکه‌های ژرف برای پارامتر x بهترین مقادیر RMSE برای روز‌های اول و چهلم به ترتیب 49/0 و 05/15 میلی ثانیه کمانی است و برای پارامتر y بهترین مقادیر RMSE برای روز‌های اول و چهلم به ترتیب 68/0، 22/9 میلی ثانیه کمانی است. در روش آنالیز هارمونیک کمترین مربعات مقدار RMSE برای پارامتر x برای روزهای اول و چهلم به ترتیب برابر با 95/40 و 40/48 میلی ثانیه‌ی کمانی است و مقدار RMSE پارامتر y برای روزهای اول و چهلم به ترتیب برابر با 86/40 و 53/46 میلی ثانیه‌ی کمانی است.
شماره‌ی مقاله: 4
واژه‌های کلیدی: سری زمانی، حرکت قطبی، شبکه‌های عصبی ژرف، LSTM – CNN – MLP
متن کامل [PDF 1610 kb]   (136 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


XML   English Abstract   Print


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

Sharifi M A, Shahriarinia K, Shirafkan S, Khazraei S M, Amiri Simkooei A R. Short-term Prediction of Polar Motion Parameters Using Deep Neural Networks. JGST. 2022; 11 (4) :39-53
URL: http://jgst.issge.ir/article-1-1068-fa.html

شریفی محمدعلی، شهریاری نیا کوروش، شیرافکن شایان، خضرائی سید محسن، امیری سیمکوئی علیرضا. پیش‌بینی کوتاه‌مدت حرکت قطبی با استفاده از شبکه‌های عصبی ژرف. نشریه علمی پژوهشی علوم و فنون نقشه برداری. 1401; 11 (4) :53-39

URL: http://jgst.issge.ir/article-1-1068-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 11، شماره 4 - ( 3-1401 ) برگشت به فهرست نسخه ها
نشریه علمی علوم و فنون نقشه برداری Journal of Geomatics Science and Technology