فهرست نشریات علمی دسترسی آزاد ایران

در این مقاله از ترکیب روش تجزیه به مؤلفه‌های اصلی (PCA) و همچنین سیستم استنتاج فازی (FIS) جهت مدل‌سازی سری زمانی تغییرات محتوای الکترون کلی (TEC) یونوسفر در منطقه ایران استفاده شده است. نوآوری مقاله در این است که مشاهدات قبل از ورود به الگوریتم فازی، با استفاده از PCA به مؤلفه‌های اصلی تجزیه شده و تنها چند مؤلفه اصلی اول به‌عنوان ورودی و جهت آموزش الگوریتم‌ استفاده می‌شوند. حسن این‌کار در کاهش محاسبات ریاضی انجام گرفته، افزایش سرعت محاسبات و همچنین کاهش زمان همگرایی به جواب بهینه است. مشاهدات مربوط به ایستگاه GPS تهران که یکی از ایستگاه‌های شبکه جهانی IGS است برای سال‌ 2016 مورد‌‌استفاده قرار گرفته است. از شاخص‌های آماری dVTEC=|VTECGPS-VTECmodel|، ضریب همبستگی و همچنین جذر خطای مربعی میانگین (RMSE) جهت ارزیابی روش جدید استفاده شده است. ارزیابی‌های آماری صورت‌گرفته در مورد شاخص dVTEC نشان می‌دهد که برای مدل ترکیبی PCA-FIS، این شاخص نسبت به حالت مدل FIS بدون PCA، مدل تجربی NeQuick و همچنین خروجی‌های شبکه جهانی IGS (GIM-TEC) مقدار عددی کمتری را دارد. ضریب همبستگی مرحله آزمون برای مدل‌های PCA-FIS، GIM و NeQuick به‌ترتیب برابر با 890/0، 704/0 و 697/0 به‌دست آمده است. همچنین مقدار RMSE مرحله آزمون برایمدل‌های PCA-FIS، GIM و NeQuick به‌ترتیب برابر با 88/1، 11/6 و 97/6TECU حاصل شده است. با استفاده از ترکیب PCA و شبکه فازی سرعت همگرایی به جواب بهینه از 205 ثانیه به 159 ثانیه کاهش یافته است. آنالیز مؤلفه‌های x، y و z در تعیین موقعیت نقطه‌ای دقیق (PPp ) نیز حاکی از بهبود 5 الی 10 میلی‌متر نسبت به مدل GIM و مدل تجربی NeQuick می‌باشد. نتایج حاصل از این مقاله نشان می‌دهد که روش PCA-FIS یک روش با دقت، صحت و سرعت بالا جهت مدل‌سازی سری زمانی تغییرات TEC در منطقه ایران است.