Application of Wavelet Neural Networks for Improving of Ionospheric Tomography Reconstruction over Iran
محل انتشار: مجله فیزیک زمین و فضا، دوره: 44، شماره: 4
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 74
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JESPHYS-44-4_009
تاریخ نمایه سازی: 26 مهر 1402
چکیده مقاله:
In this paper, a new method of ionospheric tomography is developed and evaluated based on the neural networks (NN). This new method is named ITNN. In this method, wavelet neural network (WNN) with particle swarm optimization (PSO) training algorithm is used to solve some of the ionospheric tomography problems. The results of ITNN method are compared with the residual minimization training neural network (RMTNN) and modified RMTNN (MRMTNN). In all three methods, empirical orthogonal functions (EOFs) are used as a vertical objective function. To apply the methods for constructing a ۳D-image of the electron density, GPS measurements of the Iranian permanent GPS network (in three days in ۲۰۰۷) are used. Besides, two GPS stations from international GNSS service (IGS) are used as test stations. The ionosonde data in Tehran (φ=۳۵.۷۳۸۲۰, λ=۵۱.۳۸۵۱۰) has been used for validating the reliability of the proposed methods. The minimum RMSE for RMTNN, MRMTNN, ITNN are ۰.۵۳۱۲, ۰.۴۷۴۳, ۰.۳۴۶۵ (۱۰۱۱ele./m۳) and the minimum bias are ۰.۴۶۸۲, ۰.۳۸۹۰, and ۰.۳۳۶۸ (۱۰۱۱ele./m۳) respectively. The results indicate the superiority of ITNN method over the other two methods.
کلیدواژه ها:
نویسندگان
Mir Reza Ghaffari Razin
Assistant Professor, Department of Surveying Engineering, Arak University of Technology, Arak, Iran
Behzad Voosoghi
Associate Professor, Department of Geodesy, Faculty of Geodesy and Geomatics Engineering, K. N. Toosi Univ. of Technology, Tehran, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :