استفاده از روش تجزیه به مولفه های اصلی (PCA) در سیستم استنتاج فازی (FIS) جهت مدل سازی سری زمانی یونوسفر
محل انتشار: مجله فیزیک زمین و فضا، دوره: 47، شماره: 1
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 83
فایل این مقاله در 18 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-47-1_007
تاریخ نمایه سازی: 26 مهر 1402
چکیده مقاله:
در این مقاله از ترکیب روش تجزیه به مولفه های اصلی (PCA) و همچنین سیستم استنتاج فازی (FIS) جهت مدل سازی سری زمانی تغییرات محتوای الکترون کلی (TEC) یونوسفر در منطقه ایران استفاده شده است. نوآوری مقاله در این است که مشاهدات قبل از ورود به الگوریتم فازی، با استفاده از PCA به مولفه های اصلی تجزیه شده و تنها چند مولفه اصلی اول به عنوان ورودی و جهت آموزش الگوریتم استفاده می شوند. حسن این کار در کاهش محاسبات ریاضی انجام گرفته، افزایش سرعت محاسبات و همچنین کاهش زمان همگرایی به جواب بهینه است. مشاهدات مربوط به ایستگاه GPS تهران که یکی از ایستگاه های شبکه جهانی IGS است برای سال ۲۰۱۶ مورد استفاده قرار گرفته است. از شاخص های آماری dVTEC=|VTECGPS-VTECmodel|، ضریب همبستگی و همچنین جذر خطای مربعی میانگین (RMSE) جهت ارزیابی روش جدید استفاده شده است. ارزیابی های آماری صورت گرفته در مورد شاخص dVTEC نشان می دهد که برای مدل ترکیبی PCA-FIS، این شاخص نسبت به حالت مدل FIS بدون PCA، مدل تجربی NeQuick و همچنین خروجی های شبکه جهانی IGS (GIM-TEC) مقدار عددی کمتری را دارد. ضریب همبستگی مرحله آزمون برای مدل های PCA-FIS، GIM و NeQuick به ترتیب برابر با ۸۹۰/۰، ۷۰۴/۰ و ۶۹۷/۰ به دست آمده است. همچنین مقدار RMSE مرحله آزمون برایمدل های PCA-FIS، GIM و NeQuick به ترتیب برابر با ۸۸/۱، ۱۱/۶ و ۹۷/۶TECU حاصل شده است. با استفاده از ترکیب PCA و شبکه فازی سرعت همگرایی به جواب بهینه از ۲۰۵ ثانیه به ۱۵۹ ثانیه کاهش یافته است. آنالیز مولفه های x، y و z در تعیین موقعیت نقطه ای دقیق (PPp ) نیز حاکی از بهبود ۵ الی ۱۰ میلی متر نسبت به مدل GIM و مدل تجربی NeQuick می باشد. نتایج حاصل از این مقاله نشان می دهد که روش PCA-FIS یک روش با دقت، صحت و سرعت بالا جهت مدل سازی سری زمانی تغییرات TEC در منطقه ایران است.
کلیدواژه ها:
نویسندگان
Mir Reza Ghaffari Razin
Assistant Professor, Department of Geoscience Engineering, Faculty of surveying, Arak University of Technology, Arak, 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 :