برآورد بخار آب قابل بارش با استفاده از روش كمترين مربعات رگرسيون بردار پشتيبان و مقايسه با ساير مدل‌ها

امروزه با توسعه شبكه‌هاي محلي و منطقه‌اي تعيين موقعيت ماهواره‌اي و همچنين سهولت در دسترس بودن اندازه‌گيري‌هاي آن‌ها، استفاده از مشاهدات اين شبكه‌ها جهت توليد مدل‌هاي دقيق براي برآورد كميت بخار آب قابل بارش (PWV)، به يك امر مهم و ضروري تبديل شده‌است. بنابراين، در اين مقاله مقدار PWV با استفاده از مدل كمترين مربعات رگرسيون بردار پشتيبان (LS-SVR) به صورت مكاني-زماني مدل‌سازي و پيش‌بيني مي‌شود. مدل LS-SVR از معادلات خطي ساده در مرحله آموزش استفاده مي‌كند. در نتيجه، پيچيدگي الگوريتم محاسباتي كاهش يافته، سرعت همگرايي و دقت نتايج افزايش مي‌يابد. هفت پارامتر طول و عرض جغرافيايي ايستگاه GPS، روز از سال (DOY)، زمان به وقت جهاني (UT)، رطوبت نسبي (RH)، دما (T) و فشار (P) به عنوان ورودي‌هاي مدل LS-SVR در نظر گرفته شده و PWV متناظر با اين هفت پارامتر، به عنوان خروجي مدل است. پس از مرحله آموزش، مقدار PWV با مدل آموزش ديده، برآورد شده و با مقادير PWV حاصل از ايستگاه راديوسوند، مدل تجربي ساستاموينن، مدل GPT3، مدل توموگرافي المان‌هاي حجمي، مدل رگرسيون بردار پشتيان (SVR)، مدل كريجينگ و مدل شبكه عصبي توابع پايه شعاعي (RBNN) در ايستگاه‌هاي كنترل، مقايسه شده‌است. آناليزهاي انجام گرفته نشان مي‌دهد كه ميانگين RMSE مدل‌هاي RBNN، SVR، توموگرافي، كريجينگ، LS-SVR، GPT3 و ساستاموينن در سه ايستگاه كنترل به ترتيب برابر با 4.92، 4.13، 3.13، 4.32، 2.87، 4.22 و 4.29 ميلي‌متر بوده است. همچنين ميانگين خطاي نسبي محاسبه شده در ايستگاه راديوسوند براي مدل‌هاي RBNN، SVR، LS-SVR، توموگرافي و كريجينگ به ترتيب 25.11، 14.10، 10.38، 11.44 و 14.98 درصد است. تجزيه و تحليل روش PPP بهبود 33 ميلي‌متري در مؤلفه‌هاي مختصات با استفاده از مدل LS-SVR را نشان مي‌دهد. نتايج اين مقاله نشان مي‌دهد كه مدل LS-SVR را مي‌توان به عنوان جايگزيني براي مدل‌هاي تجربي تروپسفر در منطقه مورد مطالعه در نظر گرفت. مدل LS-SVR يك مدل تروپسفر محلي با دقت بالا محسوب مي‌شود.