联合半参数和长短期记忆神经网络的全球电离层TEC短期预报

半参数球谐函数(Semiparametric Spherical Harmonic, Semi-SH)模型能减少电离层预报模型误差以及残余周期带来的系统误差.但是半参数球谐函数模型中窗宽参数的选取会带来一定的估计偏差, 本文利用长短期记忆神经网络(Long-Short Term Memory Networks, LSTM)在非平稳性时间序列预报中的良好适应性, 提出了一种联合Semi-SH与LSTM (Semi-SH-LSTM)的全球电离层TEC短期组合预报模型, 适用于1—5天的短期预报.Semi-SH-LSTM模型通过预报球谐函数系数解算全球电离层TEC, 利用二次多项式和半参数核估计方法分别拟合球谐系数趋势项和周期项, 最后基于LSTM对拟合残差进行补偿预报.本文利用欧洲定轨中心(Center for Orbit Determination in Europe, CODE)球谐函数系数产品, 采用单天预报和多天预报两种实验方案验证Semi-SH-LSTM模型的有效性.实验结果表明, 相比于Semi-SH模型和综合半参数与自回归模型, Semi-SH-LSTM模型的单天全球TEC预报残差RMS值分别提升了12.6%和13.1%;误差小于1 TECU占比分别提升了4.9%、4.6%.基于Semi-SH-LSTM模型的多天全球TEC预报残差RMS值分别提升了10.5%和8.5%, 误差小于1 TECU占比提升了3.9%和3.2%.同时, 半参数LSTM组合预报模型每预报一天耗时约在2 h以内.