فهرست نشریات علمی دسترسی آزاد ایران

یونوسفر یکی از لایه‌های جو زمین است که به‌علت خاصیت الکتریکی، ممکن است اثرات مخرب و زیان‌باری را روی امواج الکترومغناطیسی عبوری از آن را داشته باشد. جهت بررسی این اثرات، مقدار محتوای الکترونی کلی (TEC) یونوسفر مورد مطالعه و بررسی قرار می‌گیرد. در این مقاله سری زمانی یونوسفر با استفاده از سه مدل شبکه‌های عصبی مصنوعی (ANNs)، سیستم استنتاج عصبی-فازی سازگار (ANFIS) و ماشین بردار پشتیبان (SVM) مدل‌سازی شده و سپس پیش‌بینی می‌شود. جهت انجام این تحقیق از مشاهدات ایستگاه GNSS تهران (N69/35، E33/51) که یکی از ایستگاه‌های شبکه جهانی IGS است، در سال‌های 2007 الی 2018 استفاده شده است. پارامترهای سال (year)، روز از سال (DOY)، ساعت (time)، شاخص فعالیت‌های خورشیدی (F10.7) و شاخص‌های فعالیت‌های ژئومغناطیسی (Kp and DST) به‌عنوان ورودی هر سه مدل در نظر گرفته شده و خروجی، مقدار TEC خواهد بود. برای مرحله آزمون دقت هر سه مدل، مشاهدات دو سال 2014 و 2018 از مرحله آموزش کنار گذاشته شده‌اند. دلیل انتخاب این دو سال، بررسی دقت مدل‌ها در زمان فعالیت‌های شدید خورشیدی (2014) و فعالیت‌های آرام خورشیدی (2018) است. نتایج حاصل از هر سه مدل با TEC حاصل از مدل مرجع بین‌المللی یونوسفر 2016 (IRI2016) و همچنین خروجی‌های شبکه جهانی IGS مقایسه شده است. همچنین از شاخص‌های آماری ضریب همبستگی، خطای نسبی و جذر خطای مربعی میانگین (RMSE) جهت بررسی دقت و صحت سه مدل استفاده شد. کمینه RMSE محاسبه شده برای مدل SVM، 11/3 TECU به‌دست آمده که در مقایسه با سایر مدل‌ها، از دقت بالاتری در مدل‌سازی و پیش‌بینی سری زمانی TEC یونوسفر در دوره فعالیت‌های آرام و شدید خورشیدی برخوردار است.