برآورد میدان سرعت پوسته زمین با استفاده از شبکه عصبی مصنوعی و درون یابی کریژینگ فراگیر (منطقه مورد مطالعه: شبکه ژئودینامیک کشور ایران)

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

 برآورد میدان سرعت پوسته زمین با استفاده از شبکه عصبی مصنوعی و درون یابی کریژینگ فراگیر (منطقه مورد مطالعه: شبکه ژئودینامیک کشور ایران) دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد برآورد میدان سرعت پوسته زمین با استفاده از شبکه عصبی مصنوعی و درون یابی کریژینگ فراگیر (منطقه مورد مطالعه: شبکه ژئودینامیک کشور 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 برآورد میدان سرعت پوسته زمین با استفاده از شبکه عصبی مصنوعی و درون یابی کریژینگ فراگیر (منطقه مورد مطالعه: شبکه ژئودینامیک کشور ایران)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن برآورد میدان سرعت پوسته زمین با استفاده از شبکه عصبی مصنوعی و درون یابی کریژینگ فراگیر (منطقه مورد مطالعه: شبکه ژئودینامیک کشور ایران) :

نام کنفرانس، همایش یا نشریه : مجله فیزیک زمین و فضا

تعداد صفحات :۱۳

در این مقاله از دو روش شبکه عصبی مصنوعی (ANN) و درون یابی کریژینگ فراگیر جهت برآورد مکانی تغییرات سرعت پوسته زمین در ایران استفاده شده است. در هر دو روش جهت تست و ارزیابی نتایج از هفت ایستگاه GPS که مقادیر سرعت آنها نسبت به صفحه اوراسیا معلوم بوده، استفاده شده است. میانگین خطای نسبی بدست آمده از این مقایسه +۱۳.۴۸ درصد برای شبکه عصبی و +۲۵.۳۸ درصد برای روش کریژینگ فراگیر در مولفه شمالی (VN) از هفت ایستگاه تست است. برای مولفه شرقی (VE) میدان سرعت، میانگین خطای نسبی +۱۸.۱۲ درصد برای شبکه عصبی و +۲۸.۶۱ درصد برای روش کریژینگ فراگیر از ایستگاه های تست بدست آمده است. همچنین جذر خطای مربعی میانگین (RMSE) در روش شبکه عصبی مصنوعی برای مولفه شمالی ±۱ میلی متر به سال و برای مولفه شرقی ±۱.۵ میلی متر به سال بدست آمده است. برای روش کریژینگ فراگیر در مولفه شمالی ±۲.۸ میلی متر به سال و برای مولفه شرقی ±۳.۱ میلی متر به سال محاسبه شده است. نتایج نشان دهنده قابلیت و کارائی بالای روش شبکه های عصبی مصنوعی در برآورد مکانی میدان سرعت پوسته زمین در این منطقه است. در مورد روش کریژینگ نتایج بیانگر این موضوع است که پراکندگی و تعداد نقاط مورد نیاز در مرحله آموزش و تعیین ضرایب در نتایج بدست آمده بسیار دخیل اند.

کلید واژه: شبکه عصبی مصنوعی، درون یابی کریژینگ فراگیر، میدان سرعت، مشاهدات GPS