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
ارزیابی کارائی مدل‌های یادگیری ماشین در برآورد ارتفاع ژئوئید محلی با اندازه‌گیری‌های GPS/Leveling

سید رضا غفاری رزین؛ نوید هوشنگی

مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 20 مرداد 1402

https://doi.org/10.22131/sepehr.2023.1999012.2969

چکیده
  در این مقاله کارائی مدل‌های 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 می‌گیرد. برای انجام اینکار، مختصات ژئودتیکی 26 ایستگاه از شبکه شمال‌غرب ایران که ارتفاع اورتومتریک (Ho) آنها نیز با ترازیابی درجه یک توسط سازمان ...  بیشتر

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

برآورد مقدار بخار آب قابل بارش (PWV) با استفاده از روش‌های مبتنی بر یادگیری در منطقه شمال‌غرب ایران

سید رضا غفاری رزین؛ نوید هوشنگی

دوره 30، شماره 120 ، اسفند 1400، ، صفحه 139-155

https://doi.org/10.22131/sepehr.2022.251059

چکیده
  در این مقاله با استفاده از روش‌های مبتنی بر یادگیری مقدار بخار آب قابل بارش (PWV) به صورت مکانی-زمانی مدل‌سازی شده و سپس پیش‌بینی می‌شود. از سه مدل شبکه‌های عصبی مصنوعی (ANNs)، سیستم استنتاج عصبی-فازی سازگار (ANFIS) و مدل رگرسیون بردار پشتیبان (SVR) برای انجام این کار استفاده شده است. برای مقایسه کارایی و دقت این سه مدل، نتایج حاصل با مشاهدات ...  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