پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 163 |
| تعداد شماره‌ها | 6,788 |
| تعداد مقالات | 73,126 |
| تعداد مشاهده مقاله | 133,100,580 |
| تعداد دریافت فایل اصل مقاله | 104,124,233 |
ارزیابی روش‌های درون‌یابی تأخیر وردسپهری حاصل از مشاهدات ایستگاه‌های پراکنده سامانه تعیین موقعیت جهانی | ||
| فیزیک زمین و فضا | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 13 اردیبهشت 1404 اصل مقاله (1.92 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jesphys.2025.385101.1007641 | ||
| نویسندگان | ||
| آیدا افشاری1؛ یزدان عامریان* 2 | ||
| 1گروه ژئودزی، دانشکده مهندسی نقشه‌برداری، دانشگاه صنعتی خواجه‌نصیرالدین‌طوسی، تهران، ایران | ||
| 2دانشیار دانشکده مهندسی نقشه‌برداری، دانشگاه صنعتی خواجه‌نصیرالدین‌طوسی، تهران، ایران | ||
| چکیده | ||
| این مطالعه به بررسی روش‌های درون‌یابی مقدار بخار آب قابل بارش (Precipitable Water Vapor: PWV) با استفاده از داده‌های ایستگاه‌های (Global Positioning System: GPS) پراکنده در منطقه لس‌آنجلس می‌پردازد. منطقه مورد مطالعه به دلیل تنوع جغرافیایی و اقلیمی، شامل مناطق ساحلی، کوهستانی و دشت‌ها، و همچنین تغییرات فصلی، برای ارزیابی روش‌های مختلف انتخاب شده است. روش‌های مختلف درون‌یابی مورد بررسی، شامل عیارسنجی (Kriging)، ماشین بردار پشتیبان (Support Vector Machine: SVM)، جنگل تصادفی(Random Forest: RF) ، همسایگی طبیعی (Natural Neighbor: NN) و شبکه عصبی مصنوعی (Artificial Neural Network: ANN)، بودند. ابتدا تأخیر تروپسفری محاسبه و تأثیر پارامترهای هواشناسی مانند دمای سطح (Surface Temperature)، فشار سطح (Surface Pressure) و میانگین وزنی دما (Weighted Mean Temperature) بر PWV بررسی شد. نتایج نشان داد که مدل SVM به دلیل توانایی بالا در مدل‌سازی روابط غیرخطی، بهترین عملکرد را داشته و در مناطق کوهستانی دقت بیشتری ارائه داده است. همچنین، روش عیارسنجی نیز عملکرد مناسبی داشت، اما به دلیل فرض‌های ساده‌تر، ضعیف‌تر از SVM عمل کرد. جنگل تصادفی نیز به دلیل نیاز به داده‌های متراکم، نتایج مطلوبی ارائه نکرد. نتایج در تاریخ‌های 24 ژوئیه 2021 و 28 ژانویه 2022، با تحلیل‌های آماری تأیید شد. نقشه‌های متراکم از PWV نیز تهیه و تحلیل شدند که تغییرات زمانی و فضایی PWV را نشان دادند. این مطالعه به اهمیت انتخاب صحیح روش‌های درون‌یابی برای برآورد دقیق PWV و کاربرد آن‌ها در پیش‌بینی‌های جوی تأکید دارد. | ||
| کلیدواژه‌ها | ||
| بخار آب قابل بارش؛ جنگل تصادفی؛ سیستم تعیین موقعیت جهانی؛ شبکه عصبی مصنوعی؛ ماشین بردار پشتیبان | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 117 تعداد دریافت فایل اصل مقاله: 82 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب