基于RBF神经网络的改进模型在电离层TEC预报中的应用

为了提高电离层TEC值的预报精度，建立更高精度的电离层TEC预报模型，本文在RBF神经网络模型的基础上引入奇异谱分析(Singular Spectrum Analysis, SSA)方法，构建新的电离层TEC预报模型。该组合模型首先通过SSA提取原始序列中的特征分量，避免噪声分量对预报结果的影响，其次将去噪后特征分量作为RBF神经网络模型的输入值。使用IGS中心提供的TEC数据序列进行模型验证，结果表明，无论是对平静期电离层TEC预报还是磁暴期电离层TEC预报，相比于单一的RBF神经网络模型预报结果，本文提出的SSA-RBF神经网络模型的预报结果均更优，其中平静期预报残差在2 TECU以内，磁暴期预报残差在3—4 TECU以内，验证了本文提出组合模型的优越性。