فهرست نشریات علمی دسترسی آزاد ایران

در این مقاله، ایده استفاده از سامانه استنتاج عصبی-فازی سازگار (ANFIS) برای حل مسئله توموگرافی وردسپهر و برآورد بخار آب مایل (SWV) ارائه شده است. در این روش (TomoANFIS) مقدار تأخیر نم مایل (SWD) حاصل از مشاهدات جی‌ان‌اس‌اس برای سیگنال‌های قابل‌رؤیت در هر ایستگاه با مقدار تأخیر نم مایل حاصل از شبکه ANFIS مقایسه می‌شود (SWDGPS-SWDANFIS). مربع اختلاف مابین این دو مقدار، تابع هدف در شبکه ANFIS است و با محاسبه میزان این اختلاف در هر مرحله، مقدار وزن‌های مربوط به شبکه با استفاده از روش پس‌انتشار خطا (Bp ) تصحیح می‌شود. در مرحله بعد با استفاده از انکسار نم حاصل، مقدار بخار آب مایل (SWV) محاسبه می‌شود. ارزیابی روش ارائه شده در این مقاله با استفاده از مشاهدات 20 ایستگاه GPS در منطقه شمال‌غرب ایران مربوط به سال 2011 و روزهای 300 الی 304 (5 روز)، مشاهدات ایستگاه رادیوسوند تبریز (38.080N, 46.280E) و همچنین مقادیر تأخیر نم سمت‌الرأسی (ZWD) حاصل از GPS در 2 ایستگاه آزمون ARDH و MNDB انجام گرفته است. برای بررسی هر چه بیشتر دقت و صحت روش پیشنهادی، نتایج حاصل از این پژوهش با نتایج حاصل از روش توموگرافی عناصر حجمی (TomoVoxel)، یک روش رایج توموگرافی، و همچنین مدل شبکه‌های عصبی مصنوعی (TomoANN) مقایسه شده است. کمینه مقدار خطای نسبی برای سه مدل TomoANFIS، TomoANN و TomoVoxel به‌ترتیب برابر با %31/8، %55/8 و %71/8 حاصل شده است. همچنین بیشینه مقدار RMSE برای سه مدل به‌ترتیب برابر با 9718/0، 0281/1 و 2346/1 میلی‌متر بر کیلومتر محاسبه شده است. نتایج حاصل از این مقاله بیانگر قابلیت بسیار بالای مدل TomoANFIS در نشان دادن تغییرات زمانی و مکانی بخار آب مایل است.