| 基于长短时记忆神经网络的中国地区电离层TEC预测 |
| |
| 引用本文： | 熊波, 李肖霖, 王宇晴, 张瀚铭, 刘子君, 丁锋, 赵必强. 2022. 基于长短时记忆神经网络的中国地区电离层TEC预测. 地球物理学报, 65(7): 2365-2377, doi: 10.6038/cjg2022P0557 |
| |
| 作者姓名： | 熊波 李肖霖 王宇晴 张瀚铭 刘子君 丁锋 赵必强 |
| |
| 作者单位： | 华北电力大学数理学院,河北保定 071003;中国科学院地质与地球物理研究所,中国科学院地球与行星物理重点实验室,北京 100029;北京空间环境国家野外科学观测研究站,北京 100029;中国科学院地质与地球物理研究所,中国科学院地球与行星物理重点实验室,北京 100029;中国科学院大学地球与行星科学学院,北京 100049;中国科学院地球科学研究院,北京 100029;北京空间环境国家野外科学观测研究站,北京 100029;华北电力大学数理学院,河北保定 071003 |
| |
| 基金项目： | 河北省自然科学基金(D2019502010),中央高校基本科研业务费专项资金(2018MS128)和国家自然科学基金(41574151,41574162和41404127)项目联合资助 |
| |
| 摘 要： | 
电离层总电子含量(Total Electron Content,TEC)作为描述电离层形态、结构及变化的重要参量,一直是近地空间环境中重要的研究对象之一.本文利用太阳活动与地磁活动参量,结合欧洲定轨中心(Center for Orbit Determination in Europe,CODE)的TEC数据,给出了一种基于长短时记忆(Long Short-Term Memory,LSTM)神经网络的电离层TEC短期预测模型,并将其应用于2015年中国单站和区域电离层TEC提前1 h的预测中.单站TEC预测结果显示：LSTM神经网络模型预测的TEC与CODE-TEC的均方根误差为2.572 TECU (1 TECU=10 16el/m2),比国际参考电离层(International Reference Ionosphere,IRI)2016模型、反向传播(Back Propagation,BP)神经网络模型预测的TEC与CODE-TEC的均方根误差小5.183 TECU和0.667 TECU;在电离层扰动期与宁静期,LSTM神经网络模型预测的TEC与CODE-TEC的均方根误差分布在1.653~3.532 TECU,均方根误差明显小于IRI-2016模型、BP神经网络模型与CODE-TEC之间的均方根误差.
中国区域预测结果显示：LSTM神经网络模型预测值与CODE-TEC值的均方根误差为2.721 TECU,比BP神经网络模型小0.716 TECU,其误差绝对值小于5 TECU的比例为92.83%,比BP神经网络模型的比例高5.77%,并且LSTM神经网络模型能更好地预测赤道异常区TEC的变化特征;同时,LSTM神经网络模型的预测值与CODE-TEC值具有较好的相关性,其相关系数达到0.989.整体而言,LSTM神经网络模型不仅能够准确反映中国地区电离层TEC时空变化特征,而且预测精度明显优于传统BP神经网络模型.
|
| 关 键 词： | 电离层 总电子含量 LSTM 神经网络 短期预测 |
| 收稿时间： | 2021-08-03 |
| 修稿时间： | 2022-02-01 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《地球物理学报》浏览原始摘要信息 |
|
点击此处可从《地球物理学报》下载免费的PDF全文 |
|
