مدل سازی ژئوئید محلی دقیق با استفاده از داده های GPS، ترازیابی و تکنیک های هوش مصنوعی: مطالعه موردی شاهین شهر اصفهان

با توجه به گسترش روزافزون استفاده از تکنیکهای تعیین موقعیت ماهوارهای خصوصا GPS لزوم تعیین دقیق ژئوئید باهدف جایگزینی اندازه گیری های ترازیابی با اندازه گیری های GPS در کاربردهای ژئودتیک بر کسی پوشیده نیست. تقریب ژئوئید با استفاده از داده های GPS/leveling به صورت محلی، در کنار مدل های موجود از قبیل مدلهای ژئوپتانسیل و یا ژئوئیدهای گراویمتری راهکاری پذیرفته شده است. اما سوال مهم سطح دقت قابل دسترس با استفاده از این روش است. مواردی چون کیفیت داده ها و یا تکنیک مورداستفاده برای مدل سازی این داده ها می تواند در دقت ژئوئید GPS/leveling تاثیرگذار باشد. در این مقاله به ارزیابی روش های نوین محاسباتی مبتنی بر یادگیری ازجمله شبکه های عصبی مصنوعی(ANN) و سیستمهای استنتاج فازی-عصبی تطبیقی(ANFIS) در مقایسه با روش استاندارد معادلات رگرسیون چندجمله ای چند متغیره (MPRE)، در مدلسازی ژئوئید GPS/Leveling پرداخته شده است. این ارزیابی در یک شبکه از ایستگاه های GPS و ترازیابی در شهرستان شاهین شهر اصفهان با ابعاد کوچکتر و توزیعی بسیار فشرده تر نسبت به مطالعات پیشین صورت گرفته و این کیفیت داده ها مدلسازی ژئوئید را با دقتی بهتر از 1 سانتیمتر ممکن ساخته است. نتایج نشان دهنده برتری چند میلی متری مدل های ژئوئید حاصل از ANN و ANFIS ازنظر مجذور میانگین مربعات خطاها و همچنین ازنظر ضریب تشخیص است و به ترتیب RMSE=8cm، R2=0.9949، RMSE=7cm، R2=0.9964. برای این مدل ها، در نقاط تست حاصل شده است. بنابراین مدل ژئوئید حاصل از ANFIS دقیق ترین ارتفاع ژئوئید را در سطح منطقه فراهم می سازد.