مدلسازی و درون یابی محتوای الکترونی کلی یون سپهر به کمک شبکه عصبی مصنوعی و مشاهدات GPS

سیگنالهای سیستم تعیین موقعیت جهانی (GPS) اطلاعات باارزشی را از ساختار فیزیکی یونوسفر در اختیار می گذارند. با کمک این مشاهدات می توان مقدار محتوای الکترونی کلی (TEC) را برای هر مسیر دید مابین گیرنده و ماهواره بدست آورد. در این مقاله اندازه گیری های بدست آمده از 22 ایستگاه موجود در شمالغرب ایران (48>λ>44 ،40>φ>36) جهت تعیین مقدار محتوای الکترونی کلی در راستای قائم (VTEC) استفاده شده است. بدلیل کمبود مشاهدات و توزیع مکانی نامناسب ایستگاه ها، جهت برآورد زمانی- مکانی مقدار VTEC در سایر نقاط، دو مدل شبکه عصبی مصنوعی 3 لایه(MLP-ANN) و شبکه عصبی با توابع پایه شعاعی(RBFNN) بر اساس الگوریتم پس انتشار خطا (BPA) بکار گرفته شده است. 3 ایستگاه آزمون با توزیع مناسب جهت ارزیابی صحت نتایج انتخاب شده است. کمینه خطای نسبی در نقاط آزمون برای شبکه عصبی مصنوعی 3 لایه40/1 % و برای شبکه عصبی با توابع پایه شعاعی 88/1 % محاسبه شده است. محاسبه خطاهای نسبی کم و همچنین آنالیز انجام گرفته، بیانگر قابلیت بالای روش های GPS+MLP-ANN و GPS+RBFNN در مقایسه با روش های متعارف درون یابی در نشان دادن تغییرات زمانی- مکانی یونوسفر می باشد.