تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,502 |
تعداد مشاهده مقاله | 124,119,365 |
تعداد دریافت فایل اصل مقاله | 97,225,734 |
پیشبینی محتوای کلی الکترون قائم یونسپهری با شبکۀ عصبی برای یک موقعیت خاص و مقایسه با مدل مرجع یونسپهری بینالمللی | ||
فیزیک زمین و فضا | ||
مقاله 11، دوره 41، شماره 3، مهر 1394، صفحه 473-485 اصل مقاله (1.36 M) | ||
شناسه دیجیتال (DOI): 10.22059/jesphys.2015.55318 | ||
نویسندگان | ||
فریده سبزه ای* 1؛ محمدعلی شریفی2؛ مهدی آخوند زاده3؛ سعید فرزانه4 | ||
1کارشناسی ارشد ژئودزی-هیدروگرافی، گروه مهندسی نقشهبرداری، پردیس دانشکدههای فنی دانشگاه تهران، ایران | ||
21. دانشیار، تهران، گروه مهندسی نقشهبرداری، پردیس دانشکدههای فنی دانشگاه ایران 2. پژوهشکدۀ مهندسی فناوریهای اطلاعات مکانی، پردیس دانشکدههای فنی، دانشگاه تهران | ||
3استادیار، گروه مهندسی نقشهبرداری، پردیس دانشکدههای فنی دانشگاه تهران، ایران | ||
4دانشجوی دکتری ژئودزی، گروه مهندسی نقشهبرداری، پردیس دانشکدههای فنی دانشگاه تهران، ایران | ||
چکیده | ||
با ظهور انواع ماهوارهها در چند دهۀ اخیر، مطالعۀ لایۀ یونسپهر به یکی از مهمترین موضوعها در علوم مختلف تبدیل شده است؛ چراکه امواج ارسالی از این ماهوارهها به سمت زمین ناگزیر از یونسپهر عبور میکنند. خطای یونسپهری یکی از مهمترین عوامل ایجاد خطا در اندازهگیریهای تعیین موقعیت و ناوبری با GPSمحسوب میشود، بهطوریکه برای ناوبری دقیق، به داشتن تأخیر یونسپهری نیاز است. گیرندههای دوفرکانسه قادرند بخش عمدهای از این تأخیر را محاسبه کنند ولی در مواردی که فقط از اطلاعات یک فرکانس استفاده میشود یا گیرندۀ دوفرکانسه در دسترس نیست، لازم است به طریقی مدل و اثر این خطا را که در مواقع حداکثر فعالیت خورشیدی به چند ppm نیز میرسد، تا حد امکان کاهش دهیم. پیچیدگی تغییرات در لایۀ یونسپهری موجب عدم حذف کامل اثر یونسپهری شده است. در گیرندههای تکفرکانسه بهمنظور کاهش خطای یونسپهری میتوان از مدل یونسپهری (کلوبوچار) موجود در پیغام ناوبری ارسالشده از ماهواره استفاده کرد. در این تحقیق کاربرد شبکۀ عصبی در مدلسازی و پیشبینی محتوای کلی الکترون قائم در بالای منطقهای واقع در استان سیستان و بلوچستان (ایرانشهر) کشور ایران برای سال 2006 که فعالیت خورشیدی در سطح پایینی بوده، بررسی شده است. شبکۀ عصبی پسخور با یک لایۀ پنهان و الگوریتم انتشار روبهعقب طراحی شده است و پارامترهای فضای ورودی شبکۀ عصبی تغییرات روزانه، تغییرات فصلی، فعالیتهای خورشیدی و ژئومغناطیسی میباشند. این مدل با محتوای کلی الکترون قائم GPS و مدل IRI2007 در چهار زمان انقلابین و اعتدالین مقایسه شده و در تمامی این زمانها مدل شبکۀ عصبی دقیقتر از مدل IRI2007 برای کشور ایران عمل کرده است. | ||
کلیدواژهها | ||
سیستم تعیین موقعیت جهانی؛ شبکۀ عصبی؛ محتوای کلی الکترون قائم؛ مدل مرجع یونسپهری بینالمللی | ||
مراجع | ||
Bilitza, D.,2001, International Reference Ionosphere 2000, Radio Sci., 36(2), 261–275, doi:10.1029/2000RS002432.
Fausett, L.,1994, Fundamentals of Neural Networks: Architectures, Algorithms, and Applications. Prentice Hall, New Jersey.
Habarulema, J.B., McKinnell, L.A., and Cilliers, P.J., 2007, Prediction of global positioning system total electron content using neural networks over South Africa, J. Atmos Solar Terr. Phys., 69, 1842–1850.
Hargreaves, J. K., 1992, The Solar-Terrestrial Environment: an introduction to geospace - the science of the terrestrial upper atmosphere, ionosphere and magnetosphere, Cambridge University Press,Cambridge.
Haykin, S.,1994, Neural Networks, A Comprehensive Foundation, Macmillan College Publishing Company.
Hofmann-Wellenhof, B., Lichtenegger, H., Collins, J., 1992, Global Positioning System theory and Practice, Springer-Verlag, Wien, New York.
Kelley, M. C.,2009, The Earth's Ionosphere: Plasma Physics and Electrodynamics, Intern. Geophys.Series, vol 43. San Diego: Academic Press.
Leandro R.F. and Santos M., 2004, Regional Computation of TEC using a Neural Network Model, Poster presented at the Joint Assembly of CGU, AGU, SEGand EEGS, Montreal.
Leandro, R.F., Santos, M.C.,2007, A neural network approach for regional vertical total electron content modelling, Studia Geophysica et Geodaetica, 51, 279–292.
McKinnell, L.A.,2002, A Neural Network based Ionospheric model for the bottomside electron density profile over Grahamstown, South Africa, Ph.D. thesis of Rhodes University, Grahamstown, South Africa.
McKinnell L.A., Opperman B. and Cilliers P.J., 2007, GPS TEC and Ionosonde TEC over Grahamstown, South Africa: First Comparisons, Advances in Space Research, 39, pp. 816–820.
Opperman, B.,2007, Reconstructing Ionospheric TEC over South Africa using signals from a Regional GPS network, PhD thesis Rhodes University, Grahamstown, South Africa.
Opperman, B.D.L., Cilliers, P.J., McKinnell, L.A., and Haggard, R.,2007, Development of a regional GPS-based ionospheric TEC model for South Africa, Adv. Space Res., 39, 808–815.
Poole A.W. and McKinnell L.A., 2000, On the predictability of foF2 using neural networks,Radio Science, 1, pp. 225–234.
Skone, S.,1998, Wide area ionosphere grid modelling in the auroral region,PhD Thesis, University of Calgary, Department of Geomatics Engineering, Calgary, Alberta, Canada.
Tulunay E., Senalp E.T., Radicella S.M. and Tulanay Y., 2006, Forecasting total electron content maps by neural network technique, Radio Science, 41,doi:10.1029/2005RS003285.
Tulunay, E., Senalp, E.T., Cander, L.R., Tulunay, Y.K., Bilge, A.H., Mizrahi, E., Kouris, S.S., Jakowski, N.,2004, Development of algorithms and software for forecasting nowcasting and variability of TEC. Ann. Geophys. 47 (2/3), 1201–1214.
Watthanasangmechai, K., Supnithi, P., Lerkvaranyu, S., Tsugawa, T., Nagatsuma, T., Maruyama,T., 2012,TEC prediction with neural network for equatorial latitude station in Thailand, Proceeding of the Earth Planets Space, 64, 473–483.
Xenos, T.D., Kouris, S.S., Casimiro, A.,2003, Time dependent prediction degradation assessment of neural networks-based TEC forecasting models, Nonlinear Proc. Geophys. 10, 585–587.
Yilmaz,A., Akdogan, K. E., Gurun, M.,2009, Regional TEC mapping using neural networks, Radio Science, 44, RS3007, doi.org/10.1029/2008RS004049.
Meggs, R.,2005, Mapping of ionospheric total electron content using global navigation satellite systems, Ph.D. thesis, University of Bath, Bath, UK.
Misra, P. and Enge, P.,2006, Global Positioning System; Signals, Mea-surements and Performance, Ganga-Jumuna Press, P.O. Box 692 Lincoln, Massachusetts 01773.
Opperman, B. D. L., Cilliers, P. J., McKinnell, L.-A., and Hag-gard, R.,2007,Development of a Regional GPS-based Ionospheric TEC model for South Africa, Advances in Space Research, 39(5),808–815.
Habarulema, J. B., McKinnell, L.-A., and Opperman, B. D. L.,2010,TEC measurements and modelling over Southern Africa during magnetic storms; a comparative analysis, Journal of Atmospheric and Solar Terrestrial Physics, 72(5-6), 509–520.
Perrone L., and Franceschi G. D.,1998, Solar, ionospheric and geomagnetic indices,ANNALI DI GEOFISICA, vol. 41, N. 5-6.
Mayaud, P.N., 1980,Derivation, Meaning, and Use of Geomagnetic Indices,Geophysical Monograph 22. Washington, DC: American Geophysical Union.
McPherron, R.L.,1995, Standard indices of geomagnetic activity. In Kivelson, M.G., and Russell, C.T. (eds.), Introduction to Space Physics. Cambridge, UK: Cambridge University Press, pp. 451–458.
Collins, J. P.,1999, An overview of GPS inter-frequency carrier phase combinations, Geodesy and
Geomatics Engineering Report, University of New Brunswick, pp. 1-15.
Schaer, S., Markus, R., Gerhard, B. & Timon, A.S.,1996, Daily Global Ionosphere Maps based on GPS Carrier Phase Data Routinely produced by the CODE Analysis Center, Proceeding of the IGS Analysis CenterWorkshop,Silver Spring, Maryland, pp. 181-192, USA.
| ||
آمار تعداد مشاهده مقاله: 2,521 تعداد دریافت فایل اصل مقاله: 1,462 |