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

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مدل سازی منطقه ای TEC با استفاده از شبکه های عصبی مصنوعی و مدل چند جمله ای در ایران دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مدل سازی منطقه ای TEC با استفاده از شبکه های عصبی مصنوعی و مدل چند جمله ای در ایران  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مدل سازی منطقه ای TEC با استفاده از شبکه های عصبی مصنوعی و مدل چند جمله ای در ایران،به هیچ وجه بهم ریختگی وجود ندارد

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

نام کنفرانس، همایش یا نشریه : علوم و فنون نقشه برداری

تعداد صفحات :۱۳

در این مقاله از یک شبکه عصبی مصنوعی پرسپترون ۳ لایه با ۵ نرون در لایه مخفی جهت مدلسازی مقدار محتوای الکترون لایه یونوسفر (TEC) استفاده شده است. بدین منظور از ۲۵ ایستگاه GPS شبکه ژئودینامیک کشور ایران در محدوده عرض جغرافیایی ۲۴ الی ۴۰ درجه و طول جغرافیایی ۴۴ الی ۶۴ درجه استفاده گردیده است. ارزیابی نتایج بدست آمده از شبکه عصبی مصنوعی مدلسازی شده برای این منطقه توسط ۱ 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 ۰.۷۳ درصد و ماکزیمم خطای نسبی ۳۴.۶۶ درصد می باشد. همچنین جهت ارزیابی کارائی شبکه های عصبی مصنوعی در برآورد مقدار محتوای الکترون یونوسفر، در این مقاله از یک چندجمله ای مرتبه ۳ با ۱۱ 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 واژه: شبکه های عصبی مصنوعی، محتوای الکترون یونوسفر، مدل پرسپترون، پس انتشار خطا، مدل چندجمله ای، GPS