ESTIMATION OF GEODETIC VIRTUAL VELOCITY BASED ON BACK PROPAGATION ARTIFICIAL NEURAL NETWORKS (CASE STUDY: NW IRAN)
2015
مطالعات ژئودینامیک در ایران بهطور جدی از سال 1377 با استقرار شبکههای موردی GPS برای پایش تغییرات پوسته زمین آغاز شد. پس از استقرار شبکه ژئودینامیک سراسری در سال 1385، هر ساله میدان سرعت ایستگاههای دائمی GPS این شبکه توسط سازمان نقشهبرداری کشور محاسبه و گزارش میشود. برای تولید سرعت نقاط ژئودتیک در هر نقطه دلخواه دیگر، به دلیل تراکم پایین ایستگاههای دائمی GPSکشور، نیاز به ایستگاههای جدید با مشاهدات بیشتر یا استفاده از روشهای مدرن و هوشمند است. از آنجاکه ایجاد ایستگاههای جدید مستلزم صرف هزینه و زمان زیاد است، بنابراین بهکارگیری روشهای تخمین میتواند جایگزین مناسبی قلمداد شود. از جمله این روشها میتوان شبکههای عصبی مصنوعی را نام برد. مهمترین مزیتهای این روش یادگیری شبکهها، پردازش موازی و انعطافپذیری محاسبات است. بدین منظور در این پژوهش، با انتخاب 42 ایستگاه دائمی GPS در شمال باختر کشور، میدان سرعت منطقه با دو روش تخمین "پسانتشار خطای شبکههای عصبی مصنوعی" و "کالوکیشن" در دو مدل متفاوت برآورد و مقایسه شدند. نتایج حاصل نشان میدهند در مدل اول با تراکم ایستگاههای مرجع کمتر روش "پسانتشار خطای شبکههای عصبی مصنوعی" با جذر خطای میانگین مربعی در حدود 2± میلیمتر خاوری، 5/3 ± میلیمتر شمالی به علت دارا بودن جذر خطای میانگین مربعی کمتر، نسبت به روش "کالوکیشن" برتری دارد. همچنین در مدل دوم"پسانتشار خطای شبکههای عصبی مصنوعی" دارای جذر خطای میانگین مربعی در حدود 1± میلیمتر خاوری، 5/1± میلیمتر شمالی بوده و روشی جایگزین برای تخمین میدان سرعت نسبت به روشهای تخمین کلاسیک است.
Keywords:
- Correction
- Source
- Cite
- Save
- Machine Reading By IdeaReader
0
References
9
Citations
NaN
KQI