به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

linear regression model

در نشریات گروه برق
تکرار جستجوی کلیدواژه linear regression model در نشریات گروه فنی و مهندسی
تکرار جستجوی کلیدواژه linear regression model در مقالات مجلات علمی
  • علی روزبان، علی اسماعیلی*، مهدی معتق
    فرونشست پدیده ای است بسیار مخرب و خطرناک که علاوه بر خطرات جانی برای انسان ها، می تواند به تاسیسات زیربنایی شهرها نیز آسیب برساند. یکی از دلایل ایجاد آن استخراج بی رویه آب زیرزمینی می باشد که به طور گسترده در دشت های ایران اتفاق می افتد. تداخل سنجی سری زمانی تصاویر راداری یکی از روش های مهم برای بررسی دقیق و پیوسته فرونشست است. اما مشکل اصلی این روش حذف پیکسل ها با همبستگی پایین در چرخه پردازش است. در این تحقیق برای غلبه بر این مشکل، فرونشست دشت رفسنجان با استفاده از روش سری زمانی SBAS بهبود یافته برپایه همدوسی بررسی شده است. داده های مورد استفاده 15 تصویر ماهواره SENTINEL-1 مربوط به محدوده زمانی مهرماه 1394 تا مهرماه 1395 است و50 تداخل نگاشت تولید شده است. نتایج حاصله توانایی این روش در استفاده از پیکسل ها با همبستگی پایین مربوط به مناطق پوشش گیاهی را نشان می دهد. بیشترین مقدار نرخ فرونشست 284میلی متر در سال برای محدوه دشت رفسنجان-بهرمان و 252میلی متر درسال برای محدوده دشت رفسنجان-کشکوییه در راستای خط دید ماهواره بدست آمد. برای بررسی رابطه بین نتایج SBAS بهبود یافته و سطح آب چاه های منطقه از ضریب همبستگی پیرسون و جهت مدل کردن رابطه از مدل رگرسیون خطی استفاده شد که نتایج بیانگر رابطه خطی مستقیم قوی است. همچنین مدل رگرسیون خطی قابلیت مدل کردن رابطه را با سطح اطمینان 95% دارا می باشد. برای بررسی معنی دار بودن مدل رگرسیون خطی از آزمون تحلیل واریانس (ANOVA) و به منظور بررسی خودهمبستگی باقی ماندها از آزمون دوربین- واتسون استفاده شد که نتایج آن معنی دار بودن مدل و استقلال مشاهدات را تایید می کند.
    کلید واژگان: فرونشست، تداخل سنجی، سری زمانی، SBAS بهبود یافته، Sentinel-1، مدل رگرسیون خطی، ضریب همبستگی پیرسون
    Ali Roozban, Ali Esmaeili *, Mehdi Motagh
    Subsidence is a very destructive and dangerous phenomenon that, in addition to endangering human life, can also damage the infrastructure of cities. One of the reasons for its creation is the uncontrolled extraction of groundwater, which occurs widely in the plains of Iran. The time Series InSAR method is one of the important methods for accurate and continuous monitoring of subsidence. But the main problem with this method is the removal of pixels with low correlation in the processing cycle. In this study, to overcome this problem, subsidence of Rafsanjan plain has been investigated using the improved SBAS time series method based on coherence. The data used are 15 images of SENTINEL-1 satellite related to the period from October 2015 to October 2016 and 50 interferograms are generated. The results show the ability of this method to use all pixels of the interferogram, even pixels related to vegetation areas with low correlation. The highest subsidence rate was 284 mm per year for Rafsanjan-Bahrman plain and 252 mm per year for Rafsanjan-Kashkoyeh plain along the satellite line of sight. To investigate the relationship between the improved SBAS results and the water level of wells in the region, Pearson correlation coefficient was used, and to model the relationship, a linear regression model was used. The results indicate a strong direct linear relationship. Also, the linear regression model has the ability to model the relationship with a 95% confidence level. Analysis of variance (ANOVA) was used to test the significance of the linear regression model and Durbin–Watson test was used to evaluate the autocorrelation in the residuals. The results confirm the significance of the model and the independence of the observations.
    Keywords: Subsidence, Time-Series, InSAR, Improved SBAS, Sentinel-1, Linear Regression Model, Pearson Correlation Coefficient
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال