مدل سازی سری های زمانی تغییرات محتوای الکترون کلی یونسفر با بکارگیری روش عددی سیستم استنتاج عصبی-فازی سازگار مطالعه خاص: ایستگاه دائمی GPS تهران

به دلیل خاصیت پاشندگی لایه یونسفر و اثر مخرب آن برروی امواج عبوری، مدل سازی و پیش بینی رفتار این لایه از جو یکی از کاربردی ترین موضوعات مورد بحث در ژئودزی و مطالعات فضایی است. پارامتری که با استفاده از آن خصوصیات فیزیکی لایه یونسفر مورد مطالعه و بررسی قرار می گیرد، مقدار محتوای الکترون کلی (TEC) نامیده می شود. جهت مدل سازی پارامتر TEC روش های زیادی ارائه شده است که نیازمند عملیات محاسباتی زیاد بوده و در برخی مواقع از دقت کافی برای مدل سازی یونسفر برخوردار نیستند. در این مقاله از سیستم استنتاج عصبی-فازی سازگار (ANFIS) جهت پیش بینی تغییرات زمانی پارامتر TEC برای یک روز آینده استفاده شده است. یک سیستم استنتاج عصبی-فازی سازگار نوعی شبکه عصبی مصنوعی (ANN) است که براساس سیستم فازی تاکاگی-سوگنو (Takagi-Sugeno)  می باشد. از آنجایی که این سیستم، شبکه های عصبی و مفاهیم منطق فازی را یکی می کند، می تواند از امکانات هر دو آنها در یک قاب بهره مند گردد. سیستم سازگار آن مطابق با مجموعه قوانین فازی اگر-آنگاه است که قابلیت یادگیری برای تقریب زدن توابع غیرخطی را دارا می باشد. در این مقاله مشاهدات ایستگاه دائمی GPS تهران با موقعیت () در سه ماه (می، آوریل و دسامبر) مختلف  از سال های (2015و2011) جهت آموزش شبکه ANFIS مورد استفاده قرار گرفته و پیش بینی برای روزهای (30 ،3 و6) در ماه های (می، دسامبر و آوریل) انجام گرفته است. این مشاهدات بگونه ای انتخاب شده است تا فعالیت های خورشیدی زیاد، متوسط و کم را شامل باشد. برای تعیین تاخیرهای زمانی بهینه جهت آموزش شبکه ANFIS طراحی شده از الگوریتم ژنتیک بهره گرفته شده است. جهت ارزیابی نتایج حاصل از سیستم استنتاج عصبی-فازی سازگار، مقادیر TEC حاصل از این سیستم با مقادیر TEC حاصل از شبکه عصبی مصنوعی (ANN) با الگوریتم آموزش لونبرگ-مارکوآرت، TEC حاصل از سیستم تعیین موقعیت جهانی GPS و همچنین TEC حاصل از مدل مرجع جهانی یونسفر IRI 2016 مورد مقایسه قرار گرفته است. میزان کمیت جذر خطای مربعی میانگین (RMSE) برای اختلاف بین مقادیر TEC پیش بینی شده توسط شبکه ANFIS و TEC حاصل از مشاهدات GPS در بیشترین حالت 6/4 TECU و در کمترین حالت 1/2 TECU بدست آمده است. مقدار RMSE برای شبکه عصبی مصنوعی در مقایسه با GPS در بیشترین و کمترین حالت بترتیب برابر با 06/5 و 6/2 TECU محاسبه شده است. در مدل مرجع جهانی یونسفر IRI2016 بیشترین و کمترین مقدار RMSE بترتیب برابر با 8/5 و 3/4 TECU تعیین شده است.  نتایج حاصل نمایش دهنده قابلیت بالای شبکه ANFIS در مدل سازی سری زمانی یونسفر را دارد.