مدلسازی تاخیر یونسفری با استفاده از شبکه ی عصبی مصنوعی بهینه شده با الگوریتم ازدحام ذرات

یونسفر بزرگترین منبع خطا بعد از خاموش شدن sa، در اندازه گیری های تعیین موقعیت و ناوبری با محسوب می شود. گیرنده های دو فرکانسه قابلیت حذف این خطا را دارند ولی مقرون به صرفه نیستند، در حالیکه گیرنده های تک فرکانسه هزینه ی کمتری داشته و دسترسی بیشتری دارند اما از محاسبه ی تاخیر یونسفری ناتوان بوده و تعیین موقعیت را با آن خطا محاسبه می نمایند. داشتن یک مدل یونسفری قابل اطمینان، مشکل ناتوانی گیرنده های تک فرکانسه برای محاسبه ی تاخیر یونسفری را حل می کند. بدین منظور از داده های 5 tec سال ( (2006-2010موقعیت ایستگاه تهران(35.69°n,51.42°e)  و شاخص های ژئومغناطیس و خورشیدی برای مدلسازی با شبکه ی عصبی ای که وزن ها و بایاس های آن با الگوریتم ازدحام ذرات بهینه شده اند استفاده شده است. rmse داده های تست مدل pso-ann برابر 1.19 tecu(total electron content unit) می باشد و این مدل میانگین اطمینان 91.9148% را شامل می باشد.