ارزیابی کارائی شبکه عصبی چند لایه MLP-ANN با الگوریتم آموزش PSO در مدل سازی سری زمانی محتوای الکترون کلی لایه یونسفر
نویسنده:
چکیده:
در این مقاله از یک شبکه عصبی مصنوعی (ANN) 3 لایه با 18 نورون در لایه مخفی جهت مدل سازی 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 مدل سازی بکار گرفته شده است. جهت سرعت بخشیدن به مرحله آموزش و نیز بالا بردن دقت و صحت نتایج از الگوریتم آموزش بهینه سازی 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 بین المللی 2012 (IRI-2012) و روش درون یابی کریجینگ فراگیر مورد مقایسه قرار گرفته است. آنالیز نتایج بدست آمده حاکی از سرعت بالای الگوریتم آموزش PSO در همگرایی به جواب بهینه می باشد. جهت ارزیابی خطای مدل شبکه عصبی از شاخص dVTEC که از اختلاف مابین TEC حاصل از اندازه گیری های GPS و TEC حاصل از مدل محاسبه می گردد، 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.
زبان:
فارسی
صفحات:
101 تا 113
لینک کوتاه:
magiran.com/p1745155
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!