基于RBF神经网络的改进模型在电离层TEC预报中的应用

为了提高电离层TEC值的预报精度,建立更高精度的电离层TEC预报模型,本文在RBF神经网络模型的基础上引入奇异谱分析(Singular Spectrum Analysis, SSA)方法,构建新的电离层TEC预报模型。该组合模型首先通过SSA提取原始序列中的特征分量,避免噪声分量对预报结果的影响,其次将去噪后特征分量作为RBF神经网络模型的输入值。使用IGS中心提供的TEC数据序列进行模型验证,结果表明,无论是对平静期电离层TEC预报还是磁暴期电离层TEC预报,相比于单一的RBF神经网络模型预报结果,本文提出的SSA-RBF神经网络模型的预报结果均更优,其中平静期预报残差在2 TECU以内,磁暴期预报残差在3—4 TECU以内,验证了本文提出组合模型的优越性。     

EEMD-RBF神经网络的电离层TEC预报模型

利用中、低纬度电离层总电子含量,首次建立基于集合经验模态分解与径向基函数神经网络组合模型的电离层TEC预报模型。同时,根据地磁指数的变化特征,对低纬度电离层TEC值进行磁暴日的预报建模。实验结果表明,文中提出的方法在平静日连续5 d和磁暴日连续5 d的预测上,预报效果有明显改善。     

利用中国区域电离层数据拟合 Klobuchar参数

对于单频G PS用户而言,电离层延迟是最重要的误差来源之一。G PS系统使用Klobuchar模型对电离层延迟进行改正,其改正数从根据经验模型和历史数据得到的370组常数选取。在缺少全球观测数据的情况下,仅利用中国区域观测数据拟合电离层模型参数,存在区域外精度下降,参数超限等问题。针对这些问题,提出了利用经验模型外推进行参数拟合的方法。相比广播Klobuchar参数,在太阳活动高峰年RMS误差减小接近7 TECU ,正常年减小1.5 T EC U ,平静年精度也略有提升。2001年至2012年的拟合参数不存在参数超限现象,且量化后或者使用预报的电离层数据进行拟合,精度下降很小,可以用于预报全球电离层模型参数。     

基于CEEMD的电离层TEC组合预报模型

针对单一电离层总电子含量(TEC)预报模型存在的缺陷，如受外界因素干扰较大、预报精度随预报时间的增加明显降低等，本文提出一种基于补充集合经验模态分解(CEEMD)电离层TEC组合预报模型。该模型实现电离层TEC预报的关键途径为：首先，利用CEEMD对TEC原始序列进行自适应分解，得到具有不同频率的分量并依据分量复杂度分析结果进行重构；其次，使用广义回归神经网络(GRNN)模型对高频分量进行建模与预报，使用Holt-Winters模型对低频分量进行建模与预报；最后，重构高频分量预报结果与低频分量预报结果得到电离层TEC预报值。根据太阳活动选取两段不同年积日、不同纬度电离层TEC序列进行实验，结果表明本文提出组合预报模型较单一的Holt-Winters模型、GRNN模型预报精度更高，在太阳活动平静期预报结果的平均相对精度为92.83%,在太阳活动剧烈期预报结果的平均相对精度为84.35%,对于长时间TEC预报也具有较好的效果，稳定性高。     

活跃期区域电离层总电子短期预报及适用性分析

太阳活跃期受太阳风高能粒子影响易发生磁暴,使得电离层总电子含量异常扰动,其非平稳性与非线性特征较平静期明显增强。分别利用2011年区域内多个测站的实测数据与IGS（International GNSS Service）发布的全球电离层模型（global ionosphere model,GIM）进行逐点建模,选取db4小波基对样本序列进行分解后,采用时间序列模型对各分量进行预报并重构,实现对ARIMA（auto regressive integrated moving average）模型的改进。通过分析ARIMA模型与改进模型预报值的残差比例和实验区域内均方根误差的分布情况,来评定改进模型的预报精度与适用性。结果表明,改进模型的残差与实验区域内的均方根误差较ARIMA模型总体减小,且该模型对区域内均方根误差峰值能起到较大的削弱作用。     

基于河北省CORS的区域电离层模型精度分析

为提高区域电离层模型和导航定位服务的精度,利用河北省连续运行参考站系统（CORS） 6个基准站的GPS卫星观测数据进行区域电离层建模和接收机差分码偏差（DCB）估计,并引入中国科学院（CAS）发布的电离层产品内插得到的垂直总电子含量（VTEC）进行区域电离层模型精度验证。实验结果表明,估计的单日GPS卫星DCB与产品值精度相当,偏差控制在0.5 ns以内;河北省CORS站GPS系统接收机DCB稳定性较好,5 d的标准偏差均小于0.1 ns;利用河北省CORS建立的区域电离层TEC在地磁平静期与磁暴期均与CAS产品值具有较高的一致性,TEC偏差控制在2 TECU以内。河北省区域电离层模型能有效监测电离层TEC在不同地磁状态下的时空变化,提高区域导航定位服务水平。     

自回归移动平均模型的电离层总电子含量短期预报

摘 要：本文在充分考虑乘积性季节模型的情况下,利用差分法对电离层总电子含量（Total Electron Content,TEC）样本序列进行平稳化处理后,采用时间序列分析中的求和自回归移动平均模型（简称ARIMA,Autoregressive Integrated Moving Average)对TEC值序列进行预报分析。以欧洲定轨道中心（CODE）提供的2008-2012年电离层TEC值为样本数据,分析了该方法在电离层平静期、活跃期预报高、中、低不同纬度电离层TEC值的精度以及TEC样本数据的长短对预报精度的影响等。实验结果表明：在电离层平静期和活跃期预报6天的平均相对精度可达83.3%和86.6%;而平均预报残差分别为0.18±1.9TECU和0.69±2.6TECU,其中预报残差小于3TECU分别达到90%和81%以上;而且两个时期都具有纬度越高相对精度越低而绝对精度越高的规律。此外,预报精度会随TEC样本序列长度增加而提高,但40天左右为其最佳样本长度,如超过此长度,其精度会逐渐降低;而相同样本数据的预报精度会随预报长度的增加而减小,初期并不明显,但超过30天其相对精度将随时间明显降低。     

CEEMD与GRNN神经网络电离层TEC预报模型

针对电离层电子总含量(TEC)存在非线性、非平稳,由多因素影响导致高噪声的问题,建立了补充集合经验模态分解(CEEMD)和广义回归神经网络(GRNN)模型相结合的CEEMD-GRNN电离层TEC预报模型. 以解决直接使用原始数据进行预测会导致拟合效果差、预测精度低的问题. 采用国际GNSS服务(IGS)中心提供的2019年电离层数据对高、中、低纬度磁暴和非磁暴的不同年积日数据进行实验,低纬处均方根误差(RMSE)最优可达到0.97 TECU,相对精度为91.28,验证了CEEMD-GRNN预报模型精度高于EMD-GRNN以及单一的GRNN模型.      

EEMD-Holt-Winters的电离层TEC预报模型

利用IGS中心提供的全球电离层TEC数据,建立集合经验模态分解与Holt-Winters组合的预报模型。根据地磁活动情况,选取地磁平静时段和地磁活跃时段的低、中纬度TEC序列,分别采用EEMD-Holt-Winters组合模型和单一Holt-Winters模型进行建模预报。实验结果表明,地磁平静期文中模型的相对精度最优可达91.71%,均方根误差最优可达1.54 TECu,地磁活跃期文中模型的相对精度最优可达86.83%,均方根误差最优可达2.18 TECu,预报结果较单一模型有显著提高。     

利用GNSS数据结合NeQuick模型优化磁暴期F2层临界频率参数估计

F2层临界频率foF2是高频通信的重要参数,目前获取F2层临界频率(foF2)最有效的手段是电离层测高仪,但磁暴期间电离层自身剧烈变化会造成测高仪foF2数据严重缺失。经验模型如NeQuick虽能给出foF2估计值,但磁暴期精度却不及磁静日水平。本文选取2015年12月19日至2015年12月22日磁暴期中国地壳运动监测网GNSS双频数据进行区域建模并估算出电子总含量(total electron content,TEC),利用实测区域TEC对NeQuick模型有效电离参数Az进行估计,得出NeQuick模型优化后TEC总含量和F2层临界频率foF2,并反演出磁暴期初相,主相及恢复相阶段变化过程。以中国地区台站实测数据作为参考对比,结果表明:GNSS数据优化后的NeQuick模型TEC精度大概提升了20%~40%,foF2的实时精度提升了10%~25%。GNSS优化后NeQuick模型能准确反演出电离层的由正相暴转为负相暴演化过程,而原始模型由于仅依赖于输入的太阳活动水平,只能反映出与磁静日水平相当的日变化趋势值。利用该方法可以有效提高磁暴期TEC和foF2的经验模型的计算精度,特别是弥补磁暴期foF2数据缺失的不足,可以作为磁暴期电离层垂直探测仪的有益补充或者有效参考。