دانش رسان |
مرکز علم و دانش کشور مدل سازی و درون یابی محتوای الکترونی کلی یون سپهر به کمک شبکه عصبی مصنوعی و مشاهدات GPS
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مدل سازی و درون یابی محتوای الکترونی کلی یون سپهر به کمک شبکه عصبی مصنوعی و مشاهدات GPS دارای ۲۵ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مدل سازی و درون یابی محتوای الکترونی کلی یون سپهر به کمک شبکه عصبی مصنوعی و مشاهدات GPS 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 و درون یابی محتوای الکترونی کلی یون سپهر به کمک شبکه عصبی مصنوعی و مشاهدات GPS،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مدل سازی و درون یابی محتوای الکترونی کلی یون سپهر به کمک شبکه عصبی مصنوعی و مشاهدات GPS :
نام کنفرانس، همایش یا نشریه : مجله فیزیک زمین و فضا
تعداد صفحات :۲۵
سیگنال های سیستم تعیین موقعیت جهانی (GPS) اطلاعات باارزشی را از ساختار فیزیکی یونوسفر در اختیار می گذارند. با کمک این مشاهدات می توان مقدار محتوای الکترونی کلی (TEC) را برای هر مسیر دید مابین گیرنده و ماهواره بدست آورد. در این مقاله اندازه گیری های بدست آمده از ۲۲ ایستگاه موجود در شمال غرب ایران (l>44, 40>j>36<48) جهت تعیین مقدار محتوای الکترونی کلی در راستای قائم (VTEC) استفاده شده است. بدلیل کمبود مشاهدات و توزیع مکانی نامناسب ایستگاه ها، جهت برآورد زمانی- مکانی مقدار VTEC در سایر نقاط، دو مدل شبکه عصبی مصنوعی ۳ لایه (MLP-ANN) و شبکه عصبی با توابع پایه شعاعی (RBFNN) بر اساس الگوریتم پس انتشار خطا (BPA) بکار گرفته شده است. ۳ ایستگاه آزمون با توزیع مناسب جهت ارزیابی صحت نتایج انتخاب شده است. کمینه خطای نسبی در نقاط آزمون برای شبکه عصبی مصنوعی ۳ لایه ۱.۴۰% و برای شبکه عصبی با توابع پایه شعاعی ۱.۸۸ % محاسبه شده است. محاسبه خطاهای نسبی کم و همچنین آنالیز انجام گرفته، بیانگر قابلیت بالای روشهای GPS+MLP-ANN و GPS+RBFNN در مقایسه با روش های متعارف درون یابی در نشان دادن تغییرات زمانی- مکانی یونوسفر می باشد.
کلید واژه: یون سپهر، شبکه عصبی چند لایه، شبکه عصبی با توابع پایه شعاعی، IGS ،GPS
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
