<p>تعیین محل اصابت صاعقه (LLS) از چالش&zwnj;های امروزی در حوزه&zwnj;های مختلف و به&zwnj;ویژه حوزه برق و الکترونیک است. برای تعیین محل اصابت صاعقه، استفاده از روش&zwnj;های کلاسیک مرسوم بود؛ ولی اخیراً استفاده از روش معکوس زمانی الکترومغناطیسی (EMTR) نیز رواج &zwnj;یافته است. با توجه به محاسبه شکل موج کامل میدان با استفاده از روش EMTR، دقت در تعیین محل اصابت صاعقه به&zwnj;طور قابل توجهی نسبت به روش&zwnj;های پیشین افزایش یافته است. در روش معکوس زمانی الکترومغناطیسی به کمک تفاضل محدود حوزه زمان (FDTD)، ابتدا میدان الکترومغناطیسی گذرای تولیدشده توسط کانال صاعقه محاسبه شده و پس از معکوس&zwnj;کردن زمانی موج، از محل حسگر یا حسگرها به منبع خود بازانتشار می&zwnj;گردد و مجدداً با کمک FDTD، میدان الکترومغناطیسی بازانتشاری در محیط مورد نظر محاسبه می&zwnj;شود. با داشتن میدان الکترومغناطیسی محیط با استفاده از معیارهایی مانند حداکثر دامنه میدان، حداکثر انرژی و آنتروپی و ...، محل اصابت صاعقه تعیین می&zwnj;گردد. در این مقاله روشی بر اساس ترکیب یادگیری ماشین و EMTR برای تعیین محل اصابت صاعقه پیشنهاد شده است. ابتدا روش تفاضل محدود حوزه زمان سه&zwnj;بعدی(D-FDTD3) در محاسبه میدان الکترومغناطیسی محیط به&zwnj;کار گرفته شد و با استفاده از EMTR میدان الکترومغناطیسی بازانتشاری مجدداً با کمک (D-FDTD3) در کل محیط محاسبه گردید. بدین طریق داده&zwnj;های لازم برای تولید پروفایل&zwnj;های سه&zwnj;بعدی تصاویر RGB آماده گردید. سپس برای یادگیری ماشین از VGG19، یک شبکه عصبی کانولوشنی (CNN) از پیش آموزش&zwnj;دیده، برای استخراج ویژگی&zwnj;های تصاویر استفاده شد. در آخر برای تعیین محل اصابت صاعقه، لایه برازش&zwnj;کننده&zwnj;ای به بالای 19VGG اضافه شد. روش پیشنهادی در MATLAB و Python شبیه&zwnj;سازی و اجرا گردید که نتایج، کارایی آن را برای تعیین محل اصابت صاعقه در محیط سه&zwnj;بعدی نشان می&zwnj;دهند.</p> پرونده مقاله