EWT-Elman组合模型短期电离层TEC预报

针对电离层总电子含量(TEC)非线性、高噪声的特点,建立基于经验小波变换(EWT)和Elman神经网络的短期电离层组合预报模型。运用该模型对不同地磁环境的电离层TEC时间序列进行建模预报,结果表明,EWT-Elman组合模型可反映电离层TEC的变化特征,地磁平静期预测平均相对精度为93%,均方根误差为1.04 TECu;地磁扰动期预测平均相对精度为92.4%,均方根误差为2.18 TECu。单一Elman模型、EMD-Elman组合模型以及EWT-BP组合模型在地磁平静期平均相对精度最高为90.7%,均方根误差最小为1.33 TECu;地磁扰动期平均相对精度最高为90.7%,均方根误差最小为2.57 TECu。对比其他模型,本文方法预测效果最优。     

基于SSA-Elman神经网络的电离层TEC短期预报模型

针对基于神经网络的电离层TEC短期预报存在精度较低、易陷入局部最优的问题,利用CODE中心提供的TEC数据及地磁活动指数,建立基于麻雀搜索算法(SSA)改进Elman神经网络的电离层TEC短期预报模型,并通过BP模型、Elman模型及SSA-Elman组合模型分别对电离层平静期和扰动期中低纬度TEC进行5 d连续预报....     

MEEMD-Elman神经网络的电离层TEC预报模型

利用IGS中心提供的不同纬度的电离层TEC值,建立基于改进的集总平均经验模态分解(MEEMD)算法和Elman回归神经网络(ERNN)模型相结合的电离层TEC预报模型。实验结果表明,在低、中、高不同纬度采用本文方法预报5 d电离层TEC的预测值的均方根误差最优可达到0.96 TECu,相对精度最优达到95.4%,精度较EMD-ERNN模型及单一ERNN模型有显著提高。     

Prophet-Elman残差改正电离层TEC短期预报模型

针对电离层TEC非线性、非平稳的特点,建立一种基于Prophet与Elman神经网络相结合的残差改正电离层短期预报模型。利用该模型对IGS提供的不同太阳活动程度期间的电离层TEC时间序列进行建模预报。结果显示,改正模型能够反映电离层TEC的变化特征,在太阳活动低年和太阳活动高年预报的平均相对精度分别为92.9%和92.2%,均方根误差分别为0.94 TECu和1.77 TECu,精度较Prophet-Elman模型及单一Elman模型有显著提高。     

EOF-LSTM神经网络的电离层TEC预报模型

为有效利用电离层总电子含量序列的时间信息,提出一种经验正交函数分解与长短期记忆神经网络组合的预报模型,利用IGS提供的云南地区TEC格网数据,分别对不同地点和不同时段的电离层进行建模预报。实验结果表明,该模型在同一时段预报5 d的TEC值均方根误差最优达1.83 TECu,较单一模型减小16%,其平均相对精度最优达91.56%,较单一模型增加7%;在同一地点预报5 d的TEC值均方根误差最优达1.86 TECu,较单一模型减小25%,其平均相对精度最优达90.74%,较单一模型增加7%。     

基于SSA-LSTM的短期电离层TEC组合预报模型

针对电离层总电子含量(TEC)时间序列具有高噪声、非线性和非平稳的特性,在奇异谱分析基础上,融合长短期记忆神经网络模型构建短期电离层组合预报改进模型,并对磁暴期、磁平静期的电离层TEC预报精度进行分析。结果表明,在磁暴期和磁平静期,该模型预报3 d的TEC相对精度分别为91.17%和95.46%,比单一LSTM模型分别提高4.92百分点和3.17百分点。     

纬度因素对季节性时序TEC短期预报模型的影响分析

通过测试选取合适的时间序列长度，分析地磁指数，排除磁暴与地磁活动的影响，针对电离层TEC值的周期性变化及其随纬度的不均匀分布规律，采用季节性时间序列模型SARIMA和指数平滑模型Holt-Winters，利用IGS中心提供的TEC格网数据，对北半球不同纬度的48个区域进行预报，并通过定义日均相对精度和均方根误差来评定预报精度。结果表明，3种模型均能较好地反映电离层TEC值的周期性变化，但均方根误差随纬度的降低总体呈现增长趋势，且在北纬25°与55°表现为极大值，在北纬45°表现为极小值。     

基于Holt-Winters的电离层总电子含量预报

利用IGS中心提供的不同经纬度平静期、活跃期14 d的电离层TEC格网点数据,以前8 d的TEC值作为样本序列,分别采用Holt-Winters加法模型和乘法模型建立TEC预报模型,并预报后6 d的TEC值。结果表明,无论在电离层平静期还是活跃期,2种模型所得预报结果大致相同,并与实际观测数据吻合较好,但加法模型的预测结果能更好地反映电离层TEC的变化特性。     

基于不同BP神经网络的西南大西洋阿根廷滑柔鱼渔场预报模型比较

根据2003-2011年渔汛期间我国鱿钓船在西南大西洋海域的生产统计数据,结合海洋遥感获得的海表温度(SST)和海面高度(SSH)等数据,以单位捕捞努力量渔获量(CPUE)和作业次数作为中心渔场指标,以月份、经度、纬度、SST和SSH为输入因子,利用BP神经网络方法构建西南大西洋阿根廷滑柔鱼中心渔场预报模型。比较14种不同结构的BP神经网络模型,以CPUE作为中心渔场预报指标的BP模型均较佳,其拟合残差范围为0.004 0~0.005 5,平均值为0.004 7;而以作业次数作为中心渔场预报指标的BP模型,其拟合残差范围为0.009 3~0.011 6,平均值为0.010 4。输入因子为月份、经度、纬度、SST和SSH,输出因子为初值化后的CPUE,网络结构为5-4-1时的BP神经网络模型为最佳,其拟合残差为0.004 025,该模型可用于阿根廷滑柔鱼中心渔场的预报。BP神经网络方法可为准确渔场预报提供新途径。     

全球实时电离层模型精度分析——以CAS、CNES、NRCan及UPC产品为例

分析中国科学院（CAS）、法国国家空间研究中心（CNES）、加拿大自然资源部大地测量局（NRCan）和加泰罗尼亚理工大学（UPC）2021-01～08的全球实时电离层格网(RT-GIM)产品的精度。结果表明：1）以IGS事后全球电离层格网（GIM）为参考,CAS、CNES、NRCan和UPC产品的RMS分别为3.93 TECu、4.01 TECu、4.50 TECu和3.86 TECu;2）以基准站dSTEC为参考,CAS、CNES、NRCan和UPC产品的STD分别为4.42 TECu、4.40 TECu、4.96 TECu和4.42 TECu。在全球范围内选取21个测站进行连续7 d的定位测试,以高程方向残差95%分位数统计不同实时电离层产品的定位增益。相比于广播电离层模型的定位结果,CAS、CNES、NRCan和UPC产品在北半球高程方向的定位精度分别提升11.9%、18.3%、3.4%和15.5%。     

������С��������Ԥ��ȫ�������ܵ��Ӻ���

??????????????????(VTEC)??????????????????????????????????4?????????????????????Э????????????????С???????÷????????????????????????г????????????????????????????????????????????????????????(CODE)????????????????????????0.812???????????ο???в???4 TECu????????????????????????????????????????????γ20°?????????????????????????????????????1??7 TECu?????????????????2.4 TECu?????CODE????????20.14%????????????????3.5 TECu?????CODE???????????????????3.0 TECu?????CODE????????8.25%??     

BP神经网络和ARMA模型在中纬度TEC短期预测中的对比分析

在充分考虑TEC序列非平稳、非线性、高噪声特性前提下, 以IGS提供的2017年电离层TEC格网数据为基准,运用BP神经网络和ARMA两种模型分别进行TEC 3 d预测,重点分析两种模型在不同季节时段、不同电离层活跃强度及不同样本长度下的TEC预测性能及精度。结果表明,在不同时段,两种模型均能很好地反映TEC的变化特性,其中ARMA模型在春、冬时段及整体预测精度上略优于BP神经网络。在平静期,两种模型的平均相对预测精度分别为87.3%和87.5%,预测效果相差较小;在活跃期,两种模型的平均相对预测精度分别为78.5%和75.5%,BP神经网络的精度比ARMA模型高3%。随着样本长度的增加,BP神经网络在21 d样本处预测效果最佳,ARMA模型的预测精度随样本长度的增加呈降低趋势。     

基于北斗GEO卫星的磁暴期间电离层TEC响应分析

基于亚太地区北斗GEO卫星数据对2017-05发生在中低纬度地区的磁暴现象进行研究,并使用北斗GEO卫星获取的TEC实测数据对全球电离层图的精度进行评估。进一步对磁暴引起的全球电离层TEC变化进行分析发现,电离层TEC对磁暴的响应出现在磁暴主相开始1~4 h之后,最大扰动值达到20 TECu以上。     

基于BP神经网络的地磁变化场预测研究

以现有地磁台站的长期海量观测数据为基础,忽略地磁场成因及众多影响因素的复杂作用机理,对地磁变化场的时空关联性进行分析,挖掘数据中蕴含的规律信息,进一步构建基于BP神经网络的地磁变化场预测模型。通过实际地磁台站的观测数据对模型预测结果进行验证,结果表明,对于任意选取的100组验证数据,均方根误差为4.8 nT,求解精度能够满足一般科学研究对地磁变化场的精度需求。     

BP�����������Ǽ�������Զ��ָ����ģ�е�Ӧ��

????????????????????????????????????BP???????????????????人???????????????????????????????????BP??????????????????г????????????????????????о??????????BP????????????????????????????????????????????????