基于注意力机制LSTM的电离层TEC预测

电离层总电子含量(Total Electron Content, TEC)的监测与预报是空间环境研究的重要内容，对卫星通讯和导航定位等有重要意义.TEC值影响因素较多，很难确定精确物理模型来对其进行预测.本文设计了基于注意力机制的LSTM模型(Att-LSTM),采用过去24小时TEC观测数据对未来TEC进行预测.选择北半球东经100°上，每2.5°纬度选择一个位置，共计36个位置来验证本文提出模型的性能，并与主流的深度学习模型如DNN、RNN、LSTM进行对比实验.取得了如下成果：(1)在选定的36个地区未来2小时单点预测上，基于本文的Att-LSTM模型的TEC预测性能明显优于其他对比模型；(2)讨论了纬度对Att-LSTM预测未来2小时TEC值时性能的影响，发现在北纬0°到60°之间，Att-LSTM预测性能随着纬度的升高而略有降低，在北纬62.5°～87.5°之间，模型预测性能出现扰动，预测效果略差；(3)讨论了磁暴期和磁静期模型的预测性能，发现无论是磁暴期还是磁静期，本文模型预测性能均较好；(4)还讨论了对未来多时点预测效果，实验结果表明，本文所提出的模型对未来2、4个小时的...