基于KF-LSTM组合模型的短期电离层TEC预测

针对电离层总电子含量(TEC)时间序列非线性、非平稳性等特点，提出以卡尔曼滤波对电离层TEC数据进行预处理为基础，融合长短期记忆神经网络模型，构建KF-LSTM短期电离层组合模型预测TEC的方法，并利用该模型预测2016年和2018年4个时段的高、中、低纬度及赤道地区36个格网点提前1 d的电离层TEC。结果表明，KF-LSTM组合模型预测效果优于传统BP神经网络模型和单纯的LSTM模型。在赤道地区，其预测效果与C1PG模型相当；在15°～75°N地区，其预测效果优于C1PG模型。