برآورد سرعت نقاط مجازی ژئودتیک بر پایه الگوریتم پس انتشار خطای شبکه های عصبی مصنوعی (مطالعه موردی: منطقه شمال باختر ایران)

مطالعات ژئودینامیک در ایران به طور جدی از سال 1377 با استقرار شبکه های موردی GPS برای پایش تغییرات پوسته زمین آغاز شد. پس از استقرار شبکه ژئودینامیک سراسری در سال 1385، هر ساله میدان سرعت ایستگاه های دائمی GPS این شبکه توسط سازمان نقشه برداری کشور محاسبه و گزارش می شود. برای تولید سرعت نقاط ژئودتیک در هر نقطه دلخواه دیگر، به دلیل تراکم پایین ایستگاه های دائمی GPSکشور، نیاز به ایستگاه های جدید با مشاهدات بیشتر یا استفاده از روش های مدرن و هوشمند است. از آنجاکه ایجاد ایستگاه-های جدید مستلزم صرف هزینه و زمان زیاد است، بنابراین به کارگیری روش های تخمین می تواند جایگزین مناسبی قلمداد شود. از جمله این روش ها می توان شبکه های عصبی مصنوعی را نام برد. مهم ترین مزیت های این روش یادگیری شبکه ها، پردازش موازی و انعطاف پذیری محاسبات است. بدین منظور در این پژوهش، با انتخاب 42 ایستگاه دائمی GPS در شمال باختر کشور، میدان سرعت منطقه با دو روش تخمین «پس انتشار خطای شبکه های عصبی مصنوعی» و «کالوکیشن» در دو مدل متفاوت برآورد و مقایسه شدند. نتایج حاصل نشان می دهند در مدل اول با تراکم ایستگاه های مرجع کمتر روش «پس انتشار خطای شبکه های عصبی مصنوعی» با جذر خطای میانگین مربعی در حدود 2± میلی متر خاوری، 5/ 3 ± میلی متر شمالی به علت دارا بودن جذر خطای میانگین مربعی کمتر، نسبت به روش «کالوکیشن» برتری دارد. همچنین در مدل دوم«پس انتشار خطای شبکه های عصبی مصنوعی» دارای جذر خطای میانگین مربعی در حدود 1± میلی متر خاوری، 5/ 1± میلی متر شمالی بوده و روشی جایگزین برای تخمین میدان سرعت نسبت به روش های تخمین کلاسیک است.