مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

449
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

520
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

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

صفحات

 صفحه شروع 7 | صفحه پایان 18

چکیده

 در این مقاله از ترکیب شبکه های عصبی موجک (WNNs) به همراه الگوریتم آموزش بهینه سازی انبوه ذرات (PSO) جهت مدل سازی تغییرات زمانی محتوای الکترون کلی (TEC) یون سپهر 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) می باشند. در هر چهار حالت تعداد پنج ایستگاه با توزیع مناسب در گستره جغرافیایی ایران به عنوان ایستگاه های آزمون در نظر گرفته شده اند. شاخص های 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 یون سپهر 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 می دهد که مدل شبکه عصبی موجک با الگوریتم آموزش PSO یک مدل قابل اعتماد جهت پیش بینی تغییرات زمانی یون سپهر در منطقه ایران است. این مدل می تواند یک جایگزین بسیار مطمئن برای مدل مرجع جهانی یون سپهر در ایران باشد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    غفاری رزین، میررضا، و وثوقی، بهزاد. (1398). کاربرد شبکه عصبی موجک با الگوریتم آموزش بهینه سازی انبوه ذرات در مدل سازی تغییرات زمانی محتوای الکترون کلی یون سپهر. اطلاعات جغرافیایی، 28(112 )، 7-18. SID. https://sid.ir/paper/398949/fa

    Vancouver: کپی

    غفاری رزین میررضا، وثوقی بهزاد. کاربرد شبکه عصبی موجک با الگوریتم آموزش بهینه سازی انبوه ذرات در مدل سازی تغییرات زمانی محتوای الکترون کلی یون سپهر. اطلاعات جغرافیایی[Internet]. 1398؛28(112 ):7-18. Available from: https://sid.ir/paper/398949/fa

    IEEE: کپی

    میررضا غفاری رزین، و بهزاد وثوقی، “کاربرد شبکه عصبی موجک با الگوریتم آموزش بهینه سازی انبوه ذرات در مدل سازی تغییرات زمانی محتوای الکترون کلی یون سپهر،” اطلاعات جغرافیایی، vol. 28، no. 112 ، pp. 7–18، 1398، [Online]. Available: https://sid.ir/paper/398949/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button