دوره 32 (1402)
دوره 31 (1401)
دوره 30 (1400)
دوره 29 (1399)
دوره 28 (1398)
دوره 27 (1397)
دوره 26 (1396)
دوره 25 (1395)
دوره 24 (1394)
دوره 23 (1393)
دوره 22 (1392)
دوره 21 (1391)
دوره 20 (1390)
دوره 19 (1389)
دوره 18 (1388)
دوره 17 (1387)
دوره 16 (1386)
دوره 15 (1385)
دوره 14 (1384)
دوره 13 (1383)
دوره 12 (1382)
دوره 11 (1381)
دوره 10 (1380)
دوره 9 (1379)
دوره 8 (1378)
دوره 7 (1377)
دوره 6 (1376)
دوره 5 (1375)
دوره 4 (1374)
دوره 3 (1373)
دوره 2 (1372-1371)
دوره 1 (1371-1369)
ژئودزی
تحلیل بی هنجاری‌های یونسفری در زمین‌لرزه‌ها با استفاده از شاخص میانگین و تبدیل فوریه زمان کوتاه

لیدا کوشکی؛ بهزاد وثوقی؛ سید رضا غفاری رزین

دوره 32، شماره 128 ، دی 1402، ، صفحه 5-25

https://doi.org/10.22131/sepehr.2023.563480.2914

چکیده
  پدیده زمین‌لرزه هرساله در جهان و مخصوصاً کشور لرزه‌خیزی چون ایران، زیان‌های جانی و مالی هنگفتی به بار می‌‌آورد و پیش‌بینی زمین‌لرزه به یکی از چالش‌های بزرگ دانشمندان در دهه‌های اخیر تبدیل شده است. از جمله این پیش‌نشانگرها می‌توان به وقوع بی‌هنجاری در پارامترهای یونسفری قبل از زمین‌لرزه اشاره نمود. پارامتر مورد بررسی در این ...  بیشتر

ژئودزی
ارزیابی کارائی مدل شبکه عصبی حافظه‌ کوتاه ‌مدت طولانی در پیش‌بینی سری زمانی یونوسفر و مقایسه آن با مدل‌های GRNN، GIM و NeQuick

سید رضا غفاری رزین؛ نوید هوشنگی؛ بهزاد وثوقی

دوره 32، شماره 126 ، شهریور 1402، ، صفحه 115-129

https://doi.org/10.22131/sepehr.2023.547749.2839

چکیده
  در این مقاله ایده استفاده از مدل شبکه عصبی حافظه کوتاه مدت طولانی (LSTM) به منظور مدل‌سازی و پیش‌بینی سری زمانی یونوسفر در دوره فعالیت‌های شدید خورشیدی به عنوان یک روش جدید ارائه شده است. با استفاده از مدل جدید مقدار محتوای الکترون کلی (TEC) مدل‌سازی شده و سپس تغییرات زمانی آن در دوره فعالیت‌های شدید خورشیدی و ژئومغناطیسی (سال 2017) پیش‌بینی ...  بیشتر

کاربرد شبکه عصبی موجک با الگوریتم آموزش بهینه سازی انبوه ذرات در مدل سازی تغییرات زمانی محتوای الکترون کلی یون سپهر

میر رضا غفاری رزین؛ بهزاد وثوقی

دوره 28، شماره 112 ، اسفند 1398، ، صفحه 7-18

https://doi.org/10.22131/sepehr.2020.38603

چکیده
  در این مقاله از ترکیب شبکه‌های عصبی موجک (WNNs) به همراه الگوریتم آموزش بهینه‌سازی انبوه ذرات (PSO) جهت مدل‌سازی تغییرات زمانی محتوای الکترون کلی (TEC) یون‌سپهر در منطقه ایران استفاده شده است. چهار ترکیب از تعداد مشاهدات ورودی مختلف جهت تست روش، مورد ارزیابی قرار گرفته است. تعداد مشاهدات ورودی انتخاب شده جهت آموزش شبکه عصبی موجک با الگوریتم ...  بیشتر

ارزیابی اثر مؤلفه ­های مکان و دما در بهبود برآورد مقدار محتوای الکترونی یونسفر در چند ایستگاه کشور

سیده سمیرا جعفری پور؛ نازیلا محمدی

دوره 28، شماره 110 ، شهریور 1398، ، صفحه 119-131

https://doi.org/10.22131/sepehr.2019.36616

چکیده
  یونسفر یکی از پدیده­‌های پیچیده است که شامل مولکول­‌های یونیزه شده توسط خورشید می‌باشد. ضرورت مطالعه یونسفر و مدل‌سازی آن از این حقیقت ناشی می­‌شود که محتوای الکترونی یونسفر به پارامترهای زیادی بستگی دارند که دائما در حال تغییر هستند. انتشار امواج الکترومغناطیس در لایه یونسفر تحت تأثیر الکترون­‌های آزاد این محیط بوده، ...  بیشتر

تشخیص آنامولی های TEC قبل از وقوع زلزله های بزرگ با تلفیق شبکه عصبی مصنوعی و الگوریتم بهینه سازی توده ذرات(PSO)

منیره شمشیری؛ مهدی آخوندزاده هنزائی

دوره 24، شماره 94 ، شهریور 1394، ، صفحه 5-18

https://doi.org/10.22131/sepehr.2015.14473

چکیده
  بحث پیش‌بینی زمین‌لرزه به‌منظور کاهش تلفات و آسیب‌های آن از اهمیت بالایی برخورد‌ار است؛ به ‌ویژه د‌ر منطقه لرزه‌خیزی مانند‌ ایران که سالانه شاهد‌ وقوع این پد‌ید‌ه طبیعی می‌باشد‌. تشخیص ناهنجاری‌های قبل از زلزله نقش بسزایی د‌ر این امر د‌اراست. تغییرات یونسفری که با اند‌ازه‌گیری‌های از راه د‌ور(مانند‌ استفاد‌ه از سیستم ...  بیشتر