پیش‌بینی آنومالی سطح دریا با استفاده از روش تجزیه به توابع حالت‌های ذاتی و شبکه عصبی تابع ‌پایه ‌شعاعی

نویسندگان

1 دانش‌آموخته کارشناسی ارشد، دانشکده مهندسی نقشه‌برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

2 دانشیار، دانشکده مهندسی نقشه‌برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

doi
10.22059/jesphys.2022.325382.1007327
چکیده

آنومالی سطح دریا (SLA، Sea Level Anomaly) به‌عنوان کمیتی که بیان‌کننده اختلاف ارتفاع سطح ‌لحظه‌ای آب با مقدار متوسط سطح‌ آب در یک بازه زمانی می‌باشد در مطالعه وضعیت سطح آب مناطق مختلف دارای اهمیت چشم‌گیری می‌باشد. منطقه آبی دریاچه خزر به‌عنوان یکی از دو منبع مهم آبی برای کشور ایران از اهمیتی استراتژیک برخوردار است. بدین‌منظور در این پژوهش با استفاده از داده‌های گذر 92 مأموریت‌های ارتفاع‌سنجی‌ماهواره‌ای (توپکس‌پوزیدون، جیسون1، جیسون2 و جیسون3)؛ عبوری از منطقه آبی خزر به مشاهده تغییرات کمیت آنومالی سطح دریا در این منطقه از سال 1993 تا سال 2020 پرداخته شده است. سپس این کمیت با استفاده از روش تجزیه به حالت‌های‌ ذاتی (EMD، Emperical Mode Decompsition) به‌عنوان روشی کارا در جداسازی فرکانس‌های تشکیل‌دهنده یک سیگنال مورد آنالیز قرار گرفته‌است و سپس با استفاده از شبکه عصبی توابع پایه شعاعی (RBF، Radial Basis Function) یک شبکه به‌منظور پیش‌بینی آنومالی سطح دریا ایجاد شده است. 9 فرکانس غالب به‌همراه یک ترند نتیجه تجزیه سیگنال مدنظر در این پژوهش می‌باشد که در نهایت منجر به پارامترهای؛ مجذور میانگین خطا به میزان 029/0 متر و 034/0 متر به‌همراه ضریب‌همبستگی 99/0 و 97/0 به‌ترتیب در دو مرحله آموزش و تست شبکه عصبی می‌شود.