سید رضا غفاری رزین

در این پژوهش مقدار محتوای الکترون کلی ( TEC ) یونوسفر با استفاده از تبدیل فوریه ( FT ) مورد ارزیابی قرار گرفته است. برای این منظور مشاهدات ایستگاه GPS تهران ( N 35.69 ، E 51.33) که یکی از ایستگاه های شبکه جهانی IGS است، از سال 2007 تا سال 2018 مورد استفاده قرار می گیرد. با استفاده از مشاهدات سال های 2017-2007 ضرایب سری فوریه محاسبه شده و فرکانس های غالب موجود در آن استخراج می شود. سپس با استفاده از ضرایب سری فوریه بدست آمده، مقدار TEC به صورت روزانه، ماهانه و سالیانه برای سال 2018 پیش بینی می شود. به منظور ارزیابی روش پیشنهادی در این تحقیق، نتایج حاصل با مقادیر TEC حاصل از GPS ( GPS TEC )، مدل کریجینگ معمولی ( OK TEC ) و همچنین TEC حاصل از شبکه جهانی IGS ( GIM TEC ) مقایسه شده اند. پارامترهای آماری خطای نسبی، جذر خطای مربعی میانگین ( RMSE )، ضریب همبستگی و هیستوگرام باقیمانده ها برای ارزیابی نتایج مورد استفاده قرار می گیرند. براساس نتایج، پیش بینی مقدار TEC حاصل از سری فوریه در سال 2018 دارای بیشینه خطای نسبی 16.62% وجذر خطای مربعی میانگین،  1.97 TECU  است. برای مدل GIM بیشینه مقادیر خطای نسبی و RMSE به ترتیب 45.40% و 3.50 TECU به دست آمده است. همچنین برای مدل کریجینگ معمولی مقادیر خطا به ترتیب برابر با 21.35% و 2.12 TECU شده است. تحلیل هیستوگرام باقیمانده ها نیز حاکی از دقت بالاتر مدل FT نسبت به مدل های GIM و کریجینگ معمولی است. نتایج حاصل نشان می دهند که روش تبدیل فوریه قابلیت بالایی برای تخمین سری زمانی TEC در دوره فعالیت های آرام خورشیدی را دارد.     

در این مقاله ایده استفاده از روش شبکه عصبی بازگشتی دروازه ای (GRU) برای مدل سازی مکانی-زمانی محتوای الکترون کلی یونسفر (TEC) به عنوان یک مدل جدید پیشنهاد شده است. در این نوع شبکه عصبی برخلاف شبکه های عصبی معمولی، مشکل محوشدگی گرادیان وجود نداشته و از لحاظ محاسبات نیز بسیار ساده و سبک است. کارایی مدل جدید با استفاده از مشاهدات 15 ایستگاه GPS در شمال غرب ایران ارزیابی شده و برای محاسبه دقت مدل GRU، دو ایستگاه کنترل داخلی و سه ایستگاه کنترل خارجی در نظر گرفته شده است. لازم به ذکر است که آموزش مدل GRU با استفاده از پارامترهای طول و عرض جغرافیایی ایستگاه GPS، روز از سال (DOY)، زمان (به وقت جهانی)، شاخص های ژئومغناطیسی AP، KP و DST و شاخص فعالیت خورشیدی (F10.7) انجام می شود. همچنین TEC در راستای زنیت (VTEC) مرتبط با پارامترهای ورودی به عنوان خروجی مطلوب در نظر گرفته شده است. نتایج مدل جدید با نتایج شبکه عصبی مصنوعی (ANN)، نقشه های جهانی یونسفر (GIM) و مدل تجربی IRI2016 مقایسه می شود. همچنین تأثیر TEC مدل سازی شده در تعیین موقعیت نقطه ای دقیق (PPP) مورد بررسی قرار گرفته است. در مرحله ارزیابی، مقدار میانگین RMSE مدل های ANN و  GRU و GIM و IRI به ترتیب برابر با 2.42، 1.76، 3.02 و 6.91 TECU به دست آمد. همچنین میانگین خطای نسبی مدل ها به ترتیب برابر با 12.93%، 10.75%، 16.82% و 26.56% حاصل شد. تجزیه و تحلیل روش PPP بهبود 45 میلی متری در مؤلفه های مختصات با استفاده از مدل GRU را نشان می دهد. نتایج به دست آمده حاکی از این است که در فعالیت های ژئومغناطیسی و خورشیدی بالا و پایین، مدل GRU نسبت به مدل های دیگر از دقت بالاتری برخوردار است.

در این مقاله کارائی مدل های شبکه عصبی مصنوعی (ANN)، سیستم استنتاج عصبی-فازی سازگار (ANFIS)، رگرسیون بردار پشتیبان (SVR) و مدل شبکه عصبی رگرسیون عمومی (GRNN) در تعیین ارتفاع ژئوئید محلی مورد ارزیابی قرار می گیرد. برای انجام اینکار، مختصات ژئودتیکی 26 ایستگاه از شبکه شمال غرب ایران که ارتفاع اورتومتریک (Ho) آنها نیز با ترازیابی درجه یک توسط سازمان نقشه برداری کشور (NCC) اندازه گیری شده، مورد استفاده قرار گرفته است. در این ایستگاه ها، تفاضل ارتفاع اورتومتریک از ارتفاع نرمال (h)، به عنوان ارتفاع ژئوئید (N) در نظر گرفته شده است. بنابراین ورودی مدل های ANN، ANFIS، SVR و GRNN مختصات طول و عرض ژئودتیکی ایستگاه ها بوده و خروجی متناظر با آن، ارتفاع ژئوئید است. آموزش مدل ها با استفاده از 22 و 19 ایستگاه انجام گرفته است. به عبارت دیگر تعداد ایستگاه های آموزش متغیر بوده تا بتوان آنالیز دقیق تری از دقت مدل ها را ارائه نمود. به منظور ارزیابی دقیق تر، نتایج با ژئوئید حاصل از مدل IRG2016 که توسط سازمان نقشه برداری کشور تولید شده، مقایسه می شوند. ارزیابی های انجام گرفته نشان می دهد که در حالت 22 ایستگاه آموزش و 4 ایستگاه آزمون، RMSE مدل های ANN، ANFIS، SVR، GRNN و IRG2016 در مرحله آزمون به ترتیب برابر با 37/32، 19/83، 49/34، 53/82 و 29/65 سانتی متر شده است. اما در حالت 19 ایستگاه آموزش و 7 ایستگاه آزمون، مقادیر خطای مدل ها به ترتیب برابر با 36/63، 58/31، 39/64، 41/29 و 24/68 سانتی متر به دست آمده است. مقایسه RMSE نشان می دهد که مدل ANN با تعداد ایستگاه های آموزش کمتر، دقت بالاتری نسبت به مدل های ANFIS، SVR و GRNN ارائه می دهد. نتایج این مقاله نشان می دهد که با استفاده از مدل های ANN و ANFIS می توان ارتفاع ژئوئید را با دقت بالایی به صورت محلی برآورد کرده و مورد استفاده قرار داد.         

در این مقاله ایده استفاده از مدل شبکه عصبی حافظه کوتاه مدت طولانی (LSTM) به منظور مدل سازی و پیش بینی سری زمانی یونوسفر در دوره فعالیت های شدید خورشیدی به عنوان یک روش جدید ارائه شده است. با استفاده از مدل جدید مقدار محتوای الکترون کلی (TEC) مدل سازی شده و سپس تغییرات زمانی آن در دوره فعالیت های شدید خورشیدی و ژئومغناطیسی (سال 2017) پیش بینی می شود. برای بررسی کارائی روش مورد اشاره، از مشاهدات ایستگاه GPS تهران (N35/69 ، E51/33) که یکی از ایستگاه های شبکه جهانی IGS می باشد، استفاده شده است. مشاهدات سال های 2007 الی 2016 برای آموزش مدل مورد نظر به کار گرفته شده و سپس با مدل آموزش دیده، سری زمانی TEC در سال 2017 پیش بینی می شوند. نتایج حاصل از مدل جدید با نتایج حاصل از مدل شبکه عصبی رگرسیون عمومی (GRNN)، مدل تجربی NeQuick و خروجی شبکه جهانی IGS (GIM-TEC) مقایسه شده است. همچنین از شاخص های آماری ضریب همبستگی، خطای نسبی و جذر خطای مربعی میانگین (RMSE) به منظور بررسی دقت و صحت مدل ها استفاده می شود. مقدار RMSE به دست آمده برای مدل های LSTM، GRNN، GIM و NeQuick در مرحله تست سال 2017 به ترتیب برابر با 2/87، 4/51، 4/14 و 6/38 TECU می باشد. آنالیز مؤلفه های مختصاتی ایستگاه تهران با روش تعیین موقعیت نقطه ای دقیق (PPP) نشان می دهد که با استفاده از مدل جدید، بهبودی در حدود 5/19 الی 56/23 میلیمتر در مختصات ایستگاه نسبت به سایر مدل ها دیده می شود. نتایج حاصل از این تحقیق نشان می دهد که دقت و صحت مدل LSTM برای پیش بینی مقدار TEC در دوره فعالیت های شدید خورشیدی و ژئومغناطیسی، در مقایسه با مدل های GRNN، NeQuick و GIM بیشتر است.

پدیده زمین لرزه هرساله در جهان و مخصوصاً کشور لرزه خیزی چون ایران، زیان های جانی و مالی هنگفتی به بار می آورد و پیش بینی زمین لرزه به یکی از چالش های بزرگ دانشمندان در دهه های اخیر تبدیل شده است. از جمله این پیش نشانگرها می توان به وقوع بی هنجاری در پارامترهای یونسفری قبل از زمین لرزه اشاره نمود. پارامتر مورد بررسی در این تحقیق محتوای الکترون کلی (TEC) است و مناطق مطالعاتی برای بررسی، زمین لرزه دوگانه اهر- ورزقان با بزرگای 6.5 و زمین لرزه سرپل ذهاب با بزرگای 6.3 است. در زمین لرزه اهر- ورزقان از مشاهدات شش ایستگاه GPS و در زمین لرزه سرپل ذهاب از مشاهدات پنج ایستگاه GPS شبکه جهانی IGS، به منظور محاسبه مقدار محتوای الکترون کلی (TEC) یونسفر استفاده شده است. تبدیل فوریه زمان کوتاه (STFT) و پارامترهای آماری میانگین و انحراف معیار برای کشف بی هنجاری های موجود در سری زمانی یونسفر به کار گرفته شده اند. همچنین تغییرات شاخص های ژئومغناطیسی  و آب و هوایی KP، Dst، F10.7، Vsw (سرعت پلاسما)، Ey (میدان مغناطیسی) و IMFBz (میدان مغناطیسی بین سیاره ای) برای اطلاع از شرایط روزهای قبل از وقوع زمین لرزه مورد بررسی و آنالیز قرار گرفته اند. نتایج نشان می دهد که برای زمین لرزه اهر- ورزقان، بی هنجاری هایی در11، 12، 13 و نیز 5 روز قبل از زمین لرزه وجود دارد. اما برای زمین لرزه سرپل ذهاب، در 6، 7، 13 و 21 روز قبل از زمین لرزه، بی هنجاری هایی قابل مشاهده است. آنالیزهای انجام گرفته در این مقاله نشان می دهد که در صورت بررسی کلیه پارامترهای ژئومغناطیسی و آب و هوائی قبل از وقوع زمین لرزه، می توان با آنالیز سری زمانی یونسفر با روش STFT، بی هنجاری های موجود را به صورت مستقیم مشاهده نمود. توجه به این نکته ضروری است که در روزهایی که شرایط ژئومغاطیسی و آب و هوایی آرامی حاکم نیست، نمی توان تنها وقوع زمین لرزه را علت بی هنجاری های کشف شده در سری زمانی یونسفر، دانست.

محاسبه دقیق مقدار تابش خورشیدی در یک گستره مکانی، نقش مؤثری در اقلیم شناسی و کشاورزی منطقه، برآورد میزان تبخیر و تعرق، مکان یابی نیروگاه خورشیدی و به کارگیری سیستم های فتوولتائیک دارد. دقیق ترین روش برآورد تابش خورشیدی برداشت نقطه ای در ایستگاه های زمینی با استفاده از دستگاه های آفتاب نگار است که در آن اندازه گیری ها با استفاده از روش های درون یابی به یک سطح پیوسته تعمیم داده می شوند. هدف اصلی این تحقیق افزایش دقت پهنه بندی تابش خورشیدی در گستره کشور ایران در قالب روش کوکریجینگ است. بدین منظور ابتدا میزان تابش خورشیدی با استفاده از مدل ارتفاع رقومی (DEM) و ابزار مکانیSolar Radiation  در نرم افزار ArcGIS محاسبه شد. در ادامه ضریب همبستگی (R) بین مقادیر به دست آمده از نرم افزار با مقادیر تابش خورشیدی اندازه گیری شده در ایستگاه های زمینی محاسبه شد. با توجه به 713/0R= بین این دو داده، با روش کوکریجینگ داده ها با هم تلفیق شده و سطح پیوسته تابش خورشیدی برای کل کشور محاسبه شد. نتایج نشان داد که محاسبه تابش خورشیدی با استفاده از ابزار Area Solar GIS در مقایسه با داده های زمینی دقت کافی ندارند؛ ولی تلفیق این دو داده ضمن تأثیردادن توپوگرافی در محاسبه تابش خورشیدی، موجب افزایش دقت درون یابی به اندازه 11 درصد می شود؛ ازاین رو ممکن است مدل های موجود برای برآورد تابش خورشیدی در مقایسه با داده های زمینی در مقیاس کشوری دقت کافی را نداشته باشند، اما می توان از آن ها برای بهبود دقت درون یابی داده های زمینی استفاده کرد. براساس نقشه نهایی اکثر مناطق کشور به غیر از مناطق شمالی و شمال غربی بالاتر از متوسط جهانی (w/m 2 340) تابش خورشیدی دریافت می کنند