典型文献
基于长短时记忆神经网络的中国地区电离层TEC预测
文献摘要：
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.
文献关键词：
电离层;总电子含量;LSTM;神经网络;短期预测
中图分类号：
作者姓名：
熊波;李肖霖;王宇晴;张瀚铭;刘子君;丁锋;赵必强
作者机构：
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
文献出处：
引用格式：
[1]熊波;李肖霖;王宇晴;张瀚铭;刘子君;丁锋;赵必强-.基于长短时记忆神经网络的中国地区电离层TEC预测)[J].地球物理学报,2022(07):2365-2377
A类：
16el
B类：
长短时记忆神经网络,中国地区,电离层总电子含量,Total,Electron,Content,参量,近地空间,空间环境,太阳活动,地磁活动,Center,Orbit,Determination,Europe,CODE,Long,Short,Term,Memory,短期预测,单站,区域电离层,TECU,比国,International,Reference,Ionosphere,IRI,反向传播,Back,Propagation,电离层扰动,宁静,误差分布,中国区域,域预测,赤道,异常区,整体而言,时空变化特征
AB值：
0.248484
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
