ارزیابی کارایی مدل کمترین مربعات رگرسیون بردار پشتیبان در مدل سازی محلی محتوای الکترون کلی یونسفر و مقایسه آن با سایر مدل ها

در این مقاله هدف استفاده از مدل کمترین مربعات رگرسیون بردار پشتیبان (LS-SVR) جهت مدل سازی مکانی-زمانی مقدار محتوای الکترون کلی یونسفر (TEC) است. جهت انجام اینکار، از مشاهدات ۱۵ ایستگاه GPS موجود در منطقه شمالغرب ایران در بازه زمانی روزهای ۱۹۳ الی ۲۲۸ از سال ۲۰۱۲ استفاده شده است. مقایسه نتایج مدل جدید با مدل های رگرسیون بردار پشتیبان (SVR)، مدل شبکه عصبی مصنوعی (ANN)، مدل استنتاج عصبی-فازی سازگار (ANFIS)، مدل کریجینگ، مدل GIM، مدل تجربی بین المللی مرجع یونسفر ۲۰۱۶ (IRI۲۰۱۶) و همچنین مقادیر TEC حاصل از GPS به عنوان مشاهده مرجع انجام می گیرد. دقت همه مدل ها در ایستگاه های کنترل داخلی و خارجی ارزیابی و تفسیر شده است. آنالیزهای انجام گرفته نشان می دهد که میانگین RMSE مدل های ANN، ANFIS، SVR، LS-SVR، Kriging، GIM و IRI۲۰۱۶ در دو ایستگاه کنترل داخلی به ترتیب برابر با ۹۱/۳، ۷۳/۲، ۲۷/۱، ۰۴/۱، ۷۰/۲، ۰۲/۳ و ۹۳/۶ TECU بوده است. تجزیه و تحلیل روش PPP بهبود ۵۰ میلی متری در مولفه های مختصات با استفاده از مدل LS-SVR را نشان می دهد. نتایج این مقاله نشان می دهد که مدل LS-SVR را می توان به عنوان جایگزینی برای مدل های جهانی و تجربی یونسفر در منطقه مورد مطالعه در نظر گرفت. مدل LS-SVR یک مدل یونسفر محلی با دقت بالا محسوب می شود.