مدل‌سازي سري زماني محتواي الكترون كلي لايه يون‌ سپهر به كمك شبكه عصبي چند لايه MLP-ANN با الگوريتم آموزش PSO

در این مقاله از یك شبكه عصبی مصنوعی (ANN) 3 لایه با 18 نورون در لایه مخفی جهت مدل‌سازی سری زمانی تغییرات محتوای الكترون كلی (TEC) لایه یون‌سپهر در منطقه ایران استفاده شده است. مشاهدات 37 ایستگاه GPS در 5 روز متوالی (222، 223، 224، 225، 226) از سال 2012 جهت مدل‌سازی بكار گرفته شده است. جهت سرعت بخشیدن به مرحله آموزش و نیز بالا بردن دقت و صحت نتایج از الگوریتم آموزش بهینه‌سازی انبوه ذرات (PSO) استفاده شده است. اعتبار‌سنجی نتایج حاصل از روش با مشاهدات سیستم تعیین موقعیت جهانی (GPS) انجام گرفته است. همچنین نتایج بدست آمده از شبكه عصبی با نتایج حاصل از مدل مرجع بین‌المللی 2012 (IRI-2012) و نیز شبكه جهانی IGS مورد مقایسه قرار گرفته است. آنالیز نتایج بدست آمده حاكی از سرعت بالای الگوریتم آموزش PSO در همگرایی به جواب بهینه می‌باشد. جهت ارزیابی خطای مدل شبكه عصبی از شاخص‌های آماری خطای نسبی و خطای مطلق استفاده شده است. كمینه خطای نسبی محاسبه شده برای شبكه عصبی مصنوعی 45/0 درصد و بیشینه آن 85/16 درصد می‌باشد. همچنین كمینه و بیشینه خطای مطلق 06/0 و 96/3 TECU بدست آمده است. نتایج حاصل از این مقاله حاكی از آن است كه مدل شبكه عصبی مصنوعی با الگوریتم آموزش PSO از دقت و صحت لازم جهت پیش بینی تغییرات زمان-مكان لایه یون ‌سپهر را برخوردار می‌باشد.