ارزيابي كارايي سامانه استنتاج عصبي-فازي سازگار در مدل‌سازي بخار آب مايل وردسپهر

در اين مقاله، ايده استفاده از سامانه استنتاج عصبيفازي سازگار (ANFIS) براي حل مسئله توموگرافي وردسپهر و برآورد بخار آب مايل (SWV) ارائه شده است. در اين روش (TomoANFIS) مقدار تأخير نم مايل (SWD) حاصل از مشاهدات جي‌ان‌اس‌اس براي سيگنال‌هاي قابل‌رؤيت در هر ايستگاه با مقدار تأخير نم مايل حاصل از شبكه ANFIS مقايسه مي‌شود (SWDGPS-SWDANFIS). مربع اختلاف مابين اين دو مقدار، تابع هدف در شبكه ANFIS است و با محاسبه ميزان اين اختلاف در هر مرحله، مقدار وزن‌هاي مربوط به شبكه با استفاده از روش پس‌انتشار خطا (Bp ) تصحيح مي‌شود. در مرحله بعد با استفاده از انكسار نم حاصل، مقدار بخار آب مايل (SWV) محاسبه مي‌شود. ارزيابي روش ارائه شده در اين مقاله با استفاده از مشاهدات 20 ايستگاه GPS در منطقه شمال‌غرب ايران مربوط به سال 2011 و روزهاي 300 الي 304 (5 روز)، مشاهدات ايستگاه راديوسوند تبريز (38.080N, 46.280E) و همچنين مقادير تأخير نم سمت‌الرأسي (ZWD) حاصل از GPS در 2 ايستگاه آزمون ARDH و MNDB انجام گرفته است. براي بررسي هر چه بيشتر دقت و صحت روش پيشنهادي، نتايج حاصل از اين پژوهش با نتايج حاصل از روش توموگرافي عناصر حجمي (TomoVoxel)، يك روش رايج توموگرافي، و همچنين مدل شبكه‌هاي عصبي مصنوعي (TomoANN) مقايسه شده است. كمينه مقدار خطاي نسبي براي سه مدل TomoANFIS، TomoANN و TomoVoxel به‌ترتيب برابر با %8.31، %8.55 و %8.71 حاصل شده است. همچنين بيشينه مقدار RMSE براي سه مدل به‌ترتيب برابر با 0.9718، 1.0281 و 1.2346 ميلي‌متر بر كيلومتر محاسبه شده است. نتايج حاصل از اين مقاله بيانگر قابليت بسيار بالاي مدل TomoANFIS در نشان دادن تغييرات زماني و مكاني بخار آب مايل است.