مدل‌سازي و پيش‌بيني سري زماني محتواي الكترون كلي يونوسفر با استفاده از روش‌ ماشين بردار پشتيبان در سال‌هاي 2007 الي 2018

يونوسفر يكي از لايه‌هاي جو زمين است كه به‌علت خاصيت الكتريكي، ممكن است اثرات مخرب و زيان‌باري را روي امواج الكترومغناطيسي عبوري از آن را داشته باشد. جهت بررسي اين اثرات، مقدار محتواي الكتروني كلي (TEC) يونوسفر مورد مطالعه و بررسي قرار مي‌گيرد. در اين مقاله سري زماني يونوسفر با استفاده از سه مدل شبكه‌هاي عصبي مصنوعي (ANNs)، سيستم استنتاج عصبيفازي سازگار (ANFIS) و ماشين بردار پشتيبان (SVM) مدل‌سازي شده و سپس پيش‌بيني مي‌شود. جهت انجام اين تحقيق از مشاهدات ايستگاه GNSS تهران (N35.69، E51.33) كه يكي از ايستگاه‌هاي شبكه جهاني IGS است، در سال‌هاي 2007 الي 2018 استفاده شده است. پارامترهاي سال (year)، روز از سال (DOY)، ساعت (time)، شاخص فعاليت‌هاي خورشيدي (F10.7) و شاخص‌هاي فعاليت‌هاي ژئومغناطيسي (Kp and DST) به‌عنوان ورودي هر سه مدل در نظر گرفته شده و خروجي، مقدار TEC خواهد بود. براي مرحله آزمون دقت هر سه مدل، مشاهدات دو سال 2014 و 2018 از مرحله آموزش كنار گذاشته شده‌اند. دليل انتخاب اين دو سال، بررسي دقت مدل‌ها در زمان فعاليت‌هاي شديد خورشيدي (2014) و فعاليت‌هاي آرام خورشيدي (2018) است. نتايج حاصل از هر سه مدل با TEC حاصل از مدل مرجع بين‌المللي يونوسفر 2016 (IRI2016) و همچنين خروجي‌هاي شبكه جهاني IGS مقايسه شده است. همچنين از شاخص‌هاي آماري ضريب همبستگي، خطاي نسبي و جذر خطاي مربعي ميانگين (RMSE) جهت بررسي دقت و صحت سه مدل استفاده شد. كمينه RMSE محاسبه شده براي مدل SVM، 3.11 TECU به‌دست آمده كه در مقايسه با ساير مدل‌ها، از دقت بالاتري در مدل‌سازي و پيش‌بيني سري زماني TEC يونوسفر در دوره فعاليت‌هاي آرام و شديد خورشيدي برخوردار است.