[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
آمار نشریه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آمار سایت
مقالات منتشر شده: 317
نرخ پذیرش: 63
نرخ رد: 37
میانگین داوری: 209 روز
میانگین انتشار: 347 روز
..
:: دوره 3، شماره 2 - ( 6-1394 ) ::
جلد 3 شماره 2 صفحات 73-61 برگشت به فهرست نسخه ها
کاربرد الگوریتم ژنتیک در مدل‌سازی محلی میدان ثقل زمین با استفاده از توابع پایه شعاعی کروی
عبدالرضا صفری ، هانی محبوبی* ، آناهیتا شهبازی
دانشگاه تهران
چکیده:   (4950 مشاهده)

توابع پایه شعاعی کروی همواره به صورت گسترده‌ای برای مدل‌سازی محلی میدان ثقل زمین استفاده شده­اند. تعیین بهینه توابع پایه شعاعی کروی از نظر شکل و موقعیتآن‌ها، یکی از مهم­ترین چالش­ها در انجام مدل‌سازی بر مبنای این توابع پایه است. در این تحقیق یک روش بهینه­سازی برای مدل‌سازی محلی میدان ثقل زمین با استفاده از توابع پایه شعاعی کروی پیشنهاد شده است. بدین منظور، ابتدا آنومالی پتانسیل ثقل زمین به صورت ترکیبی خطی از توابع پایه شعاعی نوشته شده و سپس سیستم معادلات مشاهداتی بر حسب تابعک­های آنومالی جاذبه تشکیل می­شوند. روش بهینه‌سازی پارامترهای مجهول مدل‌سازی شامل دو مرحله است: 1. تعیین موقعیت سه‌بعدی توابع پایه­ شعاعی که تحت عنوان مرکز و عمق این توابع شناخته می­شوند با استفاده از الگوریتم ژنتیک،  2. تعیین ضرایب مقیاس بسط توابع پایه­ شعاعی با استفاده از الگوریتم پایدارسازی تیخونوف. روش حل مسئله بدین صورت است که ابتدا جمعیتی از کروموزوم­ها که همان مختصات سه‌بعدی کرنل­ها در منطقه­ مورد مطالعه هستند، ساخته و جواب­هایی با شایستگی بیشتر انتخاب می­شوند و کروموزوم­های جدید نیز با فرآیندهای تولیدمثل، جهش و مهاجرت تولید می­شوند. بدین ترتیب، به ازای هر کروموزوم با موقعیت کرنل معلوم، مسئله­ غیرخطی به یک مسئله­ خطی تبدیل شده و ضرایب بسط هر یک از این کروموزوم­ها با استفاده از الگوریتم پایدارسازی خطی تیخونوف محاسبه می­شود. ارزیابی عملکرد روش ارائه‌شده در این تحقیق بر مبنای داده­های شبیه­سازی‌شده با استفاده از مدل ژئوپتانسیلEGM2008تا درجه و مرتبه 2160 صورت گرفته است که به دقت1.08 میلی­گال در مشاهدات آنومالی جاذبه و0.78مترمربع بر مجذور ثانیه در مشاهدات آنومالی پتانسیل ختم می‌شود. نتایج عددی نشان می­دهد که الگوریتم بهینه سازی پیشنهاد شده منجر به یافتن توزیع مناسبی برای توابع پایه شعاعی کروی شده و دقت مدل­های گراویمتری را بهبود می­بخشد.

واژه‌های کلیدی: مدل‌سازی محلی میدان ثقل، توابع پایه شعاعی کروی، الگوریتم ژنتیک، الگوریتم تیخونوف
متن کامل [PDF 767 kb]   (1693 دریافت)    
نوع مطالعه: پژوهشي |
دریافت: 1394/12/21 | پذیرش: 1394/12/21 | انتشار: 1394/12/21
فهرست منابع
1. [1] T. Wittwer, "Regional gravity field modelling with radial basis functions," TU Delft, Delft University of Technology, 2009.
2. [2] I. Foroughi and A. Safari, "Local gravity field modeling using optimum Radial Basis Functions," M.Sc.Thesis,university of Tehran, 2013.
3. [3] F. Barthelmes, "Local gravity field approximation by point masses with optimized positions," in Proc. 6th international symposium "Geodesy and Physics of the Earth", Potsdam, 1988.
4. [4] A. N. Marchenko, Parameterization of the Earth's gravity field: point and line singularities: Astronomical and Geodetic Society, 1998.
5. [5] A. N. Marchenko and G. Potsdam, Regional geoid determination: an application to airborne gravity data in the Skagerrak: Geoforschungszentrum, 2001.
6. [6] R. Klees and T. Wittwer, "Local gravity field modelling with multi-pole wavelets," in Dynamic Planet, 2007, pp. 303-308.
7. [7] W. K. Msrkus Antoni, "Recovery of residual GRACE-observations by radial base functions."
8. [8] J. H. Holland, Adaptation in natural and artificial systems: an introductory analysis with applications to biology, control, and artificial intelligence: MIT press, 1992.
9. [9] A. Golbabai and A. Safdari-Vaighani, "Width optimization of Gaussian function by genetic algorithm in RBF networks," World Journal of Modelling and Simulation, vol. 7, pp. 307-311, 2011.
10. [10] F. Barthelmes, "Definition of functionals of the geopotential and their calculation from spherical harmonic models," Helmholtz Centre Potsdam, GFZ, 2009.
11. [11] A. Safari, M. Sharifi, and I. Foroughi, "Local gravity field modeling using radial basis functions, case study: coastal area of the Persian Gulf," Journal of the EARTH and SPACE PHYSICS, vol. 39, pp. 33-48, 2013.
12. [12] R. Klees, R. Tenzer, I. Prutkin, and T. Wittwer, "A data-driven approach to local gravity field modelling using spherical radial basis functions," Journal of Geodesy, vol. 82, pp. 457-471, 2008. [DOI:10.1007/s00190-007-0196-3]
13. [13] R. Tenzer and R. Klees, "The choice of the spherical radial basis functions in local gravity field modeling," Studia Geophysica et Geodaetica, vol. 52, pp. 287-304, 2008. [DOI:10.1007/s11200-008-0022-2]
14. [14] M.Alireza, "Genetic algorithms and applications," Tehran,Naghus Publisher, 2014.
15. [15] M.S.Javi, "Solution of practical problems with genetic algorithms," Tehran,Ariapajuh Publisher, 2012.
16. [16] N. E. Mastorakis, "On the solution of Ill-conditioned systems of linear and non-linear equations via genetic algorithms(GAs) and nelder-mead simplex search, " WSEAS Transactions on Information Science and Applications, vol. 2, pp. 460-466, 2005.
17. [17] R. L. Haupt and S. E. Haupt, Practical genetic algorithms: John Wiley & Sons, 2004.
18. [18] S.M.Kia, "Genetic algorithms in Matlab," Tehran,Kian publisher, 2012.
19. [19] N. E. Mastorakis, "Solving non-linear equations via genetic algorithms," Lisbon, Portugal, June, pp. 16-18, 2005.
20. [20] L. Bajer and M. Holena, "RBF-based surrogate model for evolutionary optimization," in ITAT, 2012, pp. 3-8.
21. [21] H. W. Engl and P. Kügler, "Nonlinear inverse problems: theoretical aspects and some industrial applications," in Multidisciplinary methods for analysis optimization and control of complex systems, ed: Springer, 2005, pp. 3-47. [DOI:10.1007/3-540-27167-8_1]
22. [22] P. C. Hansen, "Regularization tools: A Matlab package for analysis and solution of discrete ill-posed problems," Numerical algorithms, vol. 6, pp. 1-35, 1994. [DOI:10.1007/BF02149761]
23. [23] G. H. Golub, M. Heath, and G. Wahba, "Generalized cross-validation as a method for choosing a good ridge parameter," Technometrics, vol. 21, pp. 215-223, 1979. [DOI:10.1080/00401706.1979.10489751]
24. [24] N. Neves, A.-T. Nguyen, and E. L. Torres, "A study of a non-linear optimization problem using a distributed genetic algorithm," in Parallel Processing, 1996. Vol. 3. Software., Proceedings of the 1996 International Conference on, 1996, pp. 29-36. [DOI:10.1109/ICPP.1996.537378]
ارسال پیام به نویسنده مسئول



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Safari A, Mahbuby H, Shahbazi A. Application of the Genetic Algorithm in RegionalGravity Field Modeling Using Spherical Radial Basis Functions. jgit 2015; 3 (2) :61-73
URL: http://jgit.kntu.ac.ir/article-1-231-fa.html

صفری عبدالرضا، محبوبی هانی، شهبازی آناهیتا. کاربرد الگوریتم ژنتیک در مدل‌سازی محلی میدان ثقل زمین با استفاده از توابع پایه شعاعی کروی. مهندسی فناوری اطلاعات مکانی. 1394; 3 (2) :61-73

URL: http://jgit.kntu.ac.ir/article-1-231-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 3، شماره 2 - ( 6-1394 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.05 seconds with 37 queries by YEKTAWEB 4660