جستجوی مقالات مرتبط با کلیدواژه « مدل چندجمله ای » در نشریات گروه « عمران »

تکرار جستجوی کلیدواژه «مدل چندجمله ای» در نشریات گروه «فنی و مهندسی»

انتخاب همه

مدل سازی منطقه ای TEC با استفاده از شبکه های عصبی مصنوعی و مدل چند جمله ای در ایران

میر رضا غفاری رزین، علی محمدزاده*

نشریه علوم و فنون نقشه برداری، سال چهارم شماره 3 (پیاپی 15، بهمن 1393)، صص 51 -60

در این مقاله از یک شبکه عصبی مصنوعی پرسپترون 3 لایه با 5 نرون در لایه مخفی جهت مدلسازی مقدار محتوای الکترون لایه یونوسفر (TEC) استفاده شده است. بدین منظور از 25 ایستگاه GPS شبکه ژئودینامیک کشور ایران در محدوده عرض جغرافیایی 24 الی 40 درجه و طول جغرافیایی 44 الی 64 درجه استفاده گردیده است. ارزیابی نتایج بدست آمده از شبکه عصبی مصنوعی مدلسازی شده برای این منطقه توسط 1 ایستگاه تست GPS که مقادیر محتوای الکترونی آن از قبل در دست بوده انجام گرفته است. به دلیل اینکه ایستگاه مورد نظر مجهز به دستگاه اندازه گیری مستقیم دانسیته الکترونی بوده (دستگاه یونوسوند) و بصورت مستقل می توان در موقعیت آن ایستگاه مقدار محتوای الکترونی را با دقت و صحت بالا بدست آورد، از این ایستگاه برای تست نتایج استفاده شده است. مینیمم خطای نسبی بدست آمده از این ارزیابی 0/73 درصد و ماکزیمم خطای نسبی 34/66درصد می باشد. همچنین جهت ارزیابی کارائی شبکه های عصبی مصنوعی در برآورد مقدار محتوای الکترون یونوسفر، در این مقاله از یک چندجمله ای مرتبه 3 با 11 ضریب جهت مدلسازی TEC استفاده شده است. مقایسه مقادیر خطای نسبی محاسبه شده برای مدل چندجمله ای با مقادیر خطای نسبی بدست آمده برای شبکه عصبی، حاکی از برتری این روش نسبت به مدل چندجمله ای در برآورد مقدار محتوای الکترون لایه یونسفر در این منطقه است. تعداد نرونهای لایه مخفی در شبکه عصبی و نیز مرتبه و تعداد ضرایب چند جمله ای مورد استفاده در این مقاله بر اساس آزمون و خطا و با در نظر گرفتن مینیمم خطای نسبی برای نتایج تعیین شده است.

کلید واژگان: شبکه های عصبی مصنوعی, محتوای الکترون یونوسفر, مدل پرسپترون, پس انتشار خطا, مدل چندجمله ای, GPS}

چکیده مشاهده متن زبان: فارسی

Regional Ionosphere Modeling Using Artificial Neural Networks and Polynomial Fitting Over Iran

M. R. Ghaffari Razin, A. Mohammadzadeh*

Journal of Geomatics Science and Technology, Volume:4 Issue: 3, 2015, PP 51 -60

In this paper, 3-layer perceptron Neural Network has been used with 5 neuron in hidden layer for modeling the Ionospheric Total Electron Content (TEC) Over Iran. For this purpose, 25 GPS station from IPGN is used. These 25 stations are located within a range of approximately 24oN to 40oN and 44oE to 64oE. Evaluation of the results has been applied with 1 GPS station in Tehran. The station is equipped with ionosonde. So it is possible to calculate independently the TEC at the station. Minimum relative error obtained from evaluation is 0.73% and maximum relative error is 34.66 %. In this research, for the evaluation of artificial neural networks in estimating the TEC, a polynomial of degree 3 with 11 coefficients are used. Comparison of the relative error from polynomial model and relative error from neural network, illustrate the superiority of the neural model with respect to polynomial in this region. The number of neurons in hidden layer of neural network and the order and coefficients of the polynomial used in this paper is determined by trial and error, and by taking the minimum relative error for the results.

Keywords: Neural Networks, Total Electron Content, Perceptron Model, Back propagation algorithm, Polynomial fitting}

Abstract View Paper Original: Persian

نکته

نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.

به جمع مشترکان مگیران بپیوندید!

جستجوی مقالات مرتبط با کلیدواژه « مدل چندجمله ای » در نشریات گروه « عمران »