استفاده از روش كمينه سازي توابع هدف به كمك شبكه هاي عصبي مصنوعي جهت حل مساله توموگرافي يون سپهر

توموگرافي يونوسفر يك روش بسيار موثر و كارآمد جهت بررسي ويژگي هاي فيزيكي اين لايه از جو مي باشد. در اين مقاله از روش كمينه سازي توابع هدف با استفاده از شبكه عصبي مصنوعي چند لايه (RMTNN) جهت مدل سازي توموگرافي يونوسفر استفاده شده است. بدين ترتيب كه توابع هدفي بر اساس روش توموگرافي يونوسفر تعريف شده و سپس با كمك شبكه عصبي مصنوعي طراحي شده، مقدار تابع هدف به كمترين ميزان خود مي رسد. با استفاده از مشاهدات 36 ايستگاه (32 ايستگاه آموزش و 4 ايستگاه آزمون) از شبكه ژئوديناميك ايران (IPGN) در سه روز مختلف ( 2007/ 01 / 03 ، 2007/ 04 / 03 و 2007/ 07 / 13 ) روش پيشنهادي در اين مقاله مورد بررسي و ارزيابي قرار گرفته است. همچنين جهت ارزيابي صحت و دقت نتايج بدست آمده، از اندازه گيري هاي تنها ايستگاه يونوسوند كشور استفاده شده است. علاوه بر اين كميت dVTEC كه نشان دهنده تفاضل مابين مقدار محتواي الكترون كلي حاصل از اندازه گيري هاي GPS و مقدار محتواي الكترون كلي حاصل از مدل RMTNN است، در ايستگاه هاي آزمون محاسبه و مورد آناليز قرار گرفته است. كمترين خطاي نسبي محاسبه شده از روش فوق در مقايسه با اندازه گيري هاي مستقيم يونوسوند 4/79 درصد و بيشترين مقدار آن 37/78 درصد بدست آمده است. همچنين كمترين مقدار dVTEC محاسبه شده در ايستگاه هاي آزمون 1/63 TECU و بيشترين مقدار آن 6/10 TECU محاسبه شده است.