利用混合模型LSTM-DNN进行全球电离层TEC map的中短期预报

廖文梯; 陈洲; 赵瑜馨; 王劲松; 唐荣欣

首页> 中文期刊> 《航天器环境工程》 >利用混合模型LSTM-DNN进行全球电离层TEC map的中短期预报

利用混合模型LSTM-DNN进行全球电离层TEC map的中短期预报

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

近年来,基于深度学习技术的长短期记忆(long short-term memory,LSTM)网络相关预报算法在空间天气的预测方面得到广泛应用,但存在预测误差随时间堆叠的缺陷,因此只能进行有限的短期预测.为解决这一问题,文章将太阳风参数、太阳黑子数、地磁活动水平指数Ap以及磁暴环电流指数Dst作为预报因子加入模型,建立一个基于LSTM和深度神经网络(deep neural networks,DNN)的混合模型来进行全球电离层TEC map的中短期预报.该模型可以明显减小时间递增对预测误差的影响.测试结果表明,相较于单独的LSTM模型,LSTM-DNN混合模型对24 h电离层预报准确率相近,对48 h电离层预报平均相对精度(RA)由79.30％提升到81.18％,对144 h电离层预报平均相对精度由64.97％提升到77.64％.

著录项

来源
《航天器环境工程》 |2021年第3期|281-286|共6页
作者
廖文梯; 陈洲; 赵瑜馨; 王劲松; 唐荣欣;
展开▼
作者单位

南昌大学空间科学与技术研究院南昌 330031;

南昌大学空间科学与技术研究院南昌 330031;

北京卫星环境工程研究所北京 100094;

中国气象局空间天气重点开放实验室国家空间天气监测预警中心北京 100081;

南昌大学空间科学与技术研究院南昌 330031;

展开▼
原文格式 PDF
正文语种 chi
中图分类电离层物理;系统模型、系统建模;
关键词
电离层预报; 总电子含量; 长短期记忆; 深度神经网络;

相似文献

中文文献
外文文献
专利

1. 利用ARMA模型进行电离层TEC预报 [J] . 李磊 ,张淑芳 ,王轶卓 . 应用基础与工程科学学报 . 2013,第5期
2. 利用时间序列模型预报电离层TEC [J] . 武文俊 ,李志刚 ,杨旭海 . 时间频率学报 . 2008,第002期
3. 全球电离层TEC的轮胎调和分析与预报 [J] . 冯炜 ,张传定 ,吴星 . 测绘学报 . 2018,第005期
4. 利用人工神经网络提前1h预报电离层TEC [J] . 翁利斌 ,方涵先 ,缪子青 . 空间科学学报 . 2012,第002期
5. 小波分解与Prophet框架融合的电离层VTEC预报模型 [J] . 田睿 ,董绪荣 . 系统工程与电子技术 . 2021,第003期
6. 两种全球电离层TEC预报模型的比较和分析 [C] . 武文俊 ,中国科学院研究生院 ,程宗颐 . 中国全球定位系统技术应用协会第九次年会 . 2007
7. 利用GPS观测资料研究电离层中短期变化特征 [A] . 高淑照 . 2014

利用混合模型LSTM-DNN进行全球电离层TEC map的中短期预报

摘要

著录项

相似文献

相关主题

期刊订阅