BP神经网络模型的电离层预报精度评估

针对电离层电子总含量(total electron content,TEC)时间序列高噪声、非线性和非平稳的动态序列的特点，基于反向传播神经网络(back propagation neural network,BPNN)模型对欧洲定轨中心(Centre for Orbit Determination in Europe,CODE)提供的电离层格网(global ionosphere maps,GIM)数据产品中低纬度、中纬度、高经纬格网点TEC数据和对应的时间点、经纬度、太阳射电通量F10.7数据、赤道地磁活动指数Dst、全球地磁活动指数Kp数据进行样本训练并进行电离层预报.结果表明：基于BPNN模型能够较好地预报低纬度、中纬度和高纬度电离层TEC数值，平均相对精度分别到达了90.5%、88.7%、85.35%，残差均值分别为1.505 TECU、1.595 TECU、1.885 TECU，平均均方根误差(root mean square error,RMSE)值分别为1.94 TECU、2.13 TECU、3.08 TECU.     

利用 ARMA 模型短期预报北极地区电离层 T EC

北极地区电离层结构分布较为特殊,存在梯度变化。利用时间序列分析中的自回归移动平均模型(Autoregressive Moving Average,ARMA)对欧洲定轨中心(CODE)发布的北纬67.5°~87.5°以及利用反距离加权插值法得到的90°的格网数据逐点进行建模,分别利用7d、10d、20d、30d、40d、50d的电离层TEC值为样本数据采用线性最小方差法进行预报分析。结果表明:90%以上的预报绝对误差小于3TECU,预报精度随TEC样本序列长度的增加而提高,但样本序列增加到一定值后,相对精度提高不大;相同样本数据的预报精度随预报时间长度的增加而降低,起初不是很明显,超过20d后精度降低明显且波动幅度较大。尽管北极地区存在梯度变化,ARMA模型在北极地区具有较高的预报精度,是一种比较理想的预报方法。     

利用时间序列分析预报电离层TEC

以IGS发布的电离层总电子含量(total electron content,TEC)数据为样本,利用时间序列分析进行预报。将TEC时间序列分解为趋势项、周期项和随机项的组合,并利用相关系数和偏相关系数确定模型阶数。对IGS提供的2008年TEC数据进行预报分析,结果表明,采用时间序列分析能达到较高精度,预报7 d时的平均相对精度为87.75%,预报精度大于60%的预报值占所有预报值的95%以上,预报精度大于85%的预报值占所有预报值的72.6%,95.3%的预报残差小于±3 TECU。     

基于Chapman函数的电离层TEC同化模型构建

电离层总电子含量TEC(total electron content)是影响卫星导航定位的主要误差源之一。为了构建精确的电离层TEC模型,基于Chapman函数建立了基于物理机制的电离层TEC同化模型背景场,并着重以IGS发布的2008年4个时段低纬度、中纬度和高纬度地区的电离层TEC数据为样本,同化稀疏点上的已知电离层TEC值,分析模型计算值的残差和相对精度分布,利用模型对电离层TEC进行了2h短期预报和1d预报,并将1d的预报值和IGS发布值进行对比。实验结果表明:(1)由同化模型计算得到的TEC残差值超过92%分布在±2TECU以内,并且除边缘区域外,同化模型TEC计算值的相对精度均在90%以上;(2)2h和1d预报残差小于±3TECU的比例分别为81.8%和81.5%。     

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。     

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。     

利用EMD方法改进电离层TEC预报模型

针对总电子含量(TEC)非线性、非平稳特性,将经验模态分解(EMD)方法引入此领域的数据处理中,利用EMD分解后的数据进行时间序列分析预报。采用IGS提供的2010年电离层TEC数据进行实验,结果表明,利用此方法预报5d内TEC的平均相对精度为92.25%,而采用单一时间序列分析预报的平均相对精度为89%。     

时间序列分析在电离层短期预报中的应用

根据IGS提供的2012年TEC数据,在得到TEC值残差序列的基础上,利用谱分析去掉周期项和Matlab工具箱去掉趋势项并采用平滑算法去噪后,对随机项进行时间序列分析。目前,电离层格网点的预报均建立在原始TEC上,阐述了采用差分后的TEC值进行预报的方法,以减少日变化周期项的影响。根据AR（p）模型预报的结果加上周期项和趋势项后,再加上前一天对应时段的TEC值与IGS发布的数据比较,结果表明,该方法利用短期IGS发布的TEC值进行电离层预报能取得较高的精度。     

改进的方差分析在电离层TEC短期预报中的应用

本文在研究了目前存在方法的基础上,将数理统计中的方差分析周期叠加外推法应用于电离层短期预报,并对其作了改进。采用IGS提供的电离层TEC数据作为原始数据比较了该方法改进前后的预报精度,分别利用中国区域内不同地理位置的40天的数据进行分析预报,预报结果显示改进后的方法预报精度可达到1.1TECU左右,优于改进前。改进后的预报效果依然与经纬度有关,在中国区域内随着纬度的减小、经度的增加,预报精度会降低。通过与目前常用方法比较分析,该方法预报结果精度较高、所需计算参数少、简单易行,可以较好地应用于电离层短期预报。     

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。     

应用半参数AR模型的电离层TEC建模与预测

本文基于时间序列分析的DDS(Dynamic Data System)建模法,对季节性的电离层总电子含量(TEC)时间序列观测值平稳化后建立自回归AR模型,提出以半参数AR模型对普通AR模型精化,并利用半参数AR模型对电离层TEC预报。实例分析表明:利用半参数AR模型对电离层TEC进行预报,在短期内半参数模型预报效果优于普通AR模型,但随着预报时间变长,则半参数模型预报精度明显下降,其预报效果则不如普通的AR模型。     

多尺度ARMA残差修正模型震前电离层TEC异常探测

为提高电离层总电子含量（total electronic content，TEC）扰动探测参考背景值的预测精度，提出了多尺度自回归移动平均（autoregressive moving average，ARMA）残差修正模型。通过对比该方法、ARMA模型、四分位距法（inter quartile range，IQR）及滑动时窗法对TEC背景值的预测精度，结果显示修正模型预测的TEC背景值平均相对精度为89.78%，分别比ARMA模型、IQR及滑动时窗法高5.18%、1.41%和1.42%，且预测值的残差绝对值小于等于3.0 TECU的百分比为91.67%，明显优于其他3种方法，说明修正模型探测震前TEC异常是可行的。利用该方法探测2013-04-20芦山县Mw7.0级地震震前电离层TEC扰动情况，验证了该方法的有效性。实验结果表明，震前第9天和第13天电离层明显的正异常和震前第1~4天明显的负异常极可能是孕育地震引起的，且正异常主要出现在08:00-10:00 UT，而负异常主要集中在0:00-14:00 UT。     

Evaluation of NTCM-BC and a proposed modification for single-frequency positioning

Ionospheric delay is a dominant factor that affects the accuracy of single-frequency positioning. Thus, an empirical ionospheric model with high accuracy is very important for single-frequency users. This study proposes a modified empirical broadcast ionospheric model, called MNTCM-BC, based on the Neustrelitz Total Electron Content (TEC) broadcast model NTCM-BC. Nine daily ionospheric coefficients of these models are estimated using datasets of the previous day from 30 globally distributed Global Navigation Satellite System monitor stations, and the prediction performance of the MNTCM-BC is evaluated with the datasets of the current day from all 300 verification stations. The results show that the complex behavior of the ionosphere is well described by the MNTCM-BC, including the visibility of two ionization crests on both sides of the geomagnetic equator and the TEC variations that depend on the local time and geomagnetic latitude. In terms of the prediction accuracy, compared with the NTCM-BC, the main improvement in the MNTCM-BC is achieved in summer, whereas the accuracy is comparable in other seasons. Hence, the following analyses are focused on summer. In the low-solar activity year of 2009, the prediction accuracy of the MNTCM-BC is improved by 0.11 TECU compared with that of the NTCM-BC. As to the high-solar activity year of 2014, the corresponding improvement is 0.35 TECU. In addition, when the number of monitor stations is increased from 30 to 300, the prediction accuracy of two models can be slightly improved by 0.06 TECU in 2009 and 0.13 TECU in 2014, respectively, while reliability enhances. Furthermore, the average three-dimensional positioning accuracy of 160 globally distributed stations for single-frequency point positioning using the Klobuchar model, the NTCM-BC and the MNTCM-BC is 1.83, 1.21 and 1.20 m during quiet day and 3.15, 2.31 and 2.21 m during perturbed day, respectively. Relative to the Klobuchar model and the NTCM-BC, the average accuracy improvements in the MNTCM-BC are about 30 and 3%, respectively.     

单站区域电离层TEC建模及精度分析

为了分析单站区域电离层总电子含量(total electron content,TEC)模型的适用范围和精度,基于2～15阶次球谐函数,分别建立了欧洲区域16个单站区域电离层TEC模型,生成了区域格网TEC,并与欧洲定轨中心(Center for Orbit Determination in Europe,CODE)、...     

顾及经纬度方向异性的电离层TEC IDW插值及精度分析

反距离加权（inverse distance weighting，IDW）是一种简单实用的插值方法。以全球电离层格网（global ionospheric map，GIM）产品为样本，考虑电离层总电子含量（total electron content，TEC）经纬度方向异性，引入经纬度方向异性调节因子，设计了包含等权在内的6种电离层距离计算方案，分析表明，电离层TEC与经度方向相关性高于纬度方向，不同电离层距离计算方案均能有效提高IDW插值精度。采用最优方案IDW插值分析长期插值精度，结果表明，电离层活动剧烈区域（南北纬度20°）连续12 a“两分两至”日前后全球电离层格网（global ionospheric map，GIM）产品插值，最优方案比普通IDW插值精度提升约25%；2014年太阳活动高年“两分两至”日GIM产品插值，地方时14 h后3~5 h电离层活动剧烈时，最优方案插值精度提升明显，插值均方根误差（root mean square，RMS）最大不超过4.0 TECU。     

混沌特征参数对神经网络预测电离层TEC的影响分析

利用国际GNSS服务组织(IGS)提供的东经115°经线上不同纬度处一年的电离层总电子含量(TEC)时间序列数据,研究了如何进一步提高基于神经网络方法预测电离层TEC的效果。研究表明:电离层TEC的预测误差与电离层TEC时间序列的最大Lyapunov指数与该序列均值的乘积具有较强的相关性;而且与时间延迟和嵌入维数的选择是否恰当也有着密切关系。     

基于Holt指数平滑模型的Klobuchar模型精化

利用IGS（International GNSS Service）中心提供的中、低纬度地区平静期、活跃期观测数据,通过Klobuchar模型与双频观测模型解算电离层总电子含量（total electron content,TEC）值。采用Holt指数平滑模型对每个历元前6 d两种模型差值进行1 d预测,利用预测所得差值对Klobuchar模型第7 d的TEC值进行改进。实验结果表明,无论在电离层活跃期还是平静期,改进模型改正效果比基本模型有显著提升,改进模型能更好地反映电离层变化特性,尤其是夜间电离层变化特性。     

利用神经网络预报短期电离层TEC变化

利用神经网络,基于IGS提供的(40°N,115°E)网格点TEC数据,本文构造了该点处提前一天的TEC预报模型。神经网络模型的预测目标是待预测日一天内的12个TEC数值。输入参数包括预测日前一日的太阳黑子数、地磁Kp指数、预测日前27天的太阳黑子数三角函数拟合参数,以及预测日前2天16个Kp指数的多项式拟合参数。实验结果表明训练后的神经网络模型可以反映出不同季节的TEC周日变化以及地磁暴情况下的TEC特征。