基于时间序列方法能够对短时间的电离层总电子含量(Total Electron Content,TEC)进行较好预测,但由于电离层TEC受各种因素影响,直接使用原始TEC序列数据会受到各种噪声的干扰,影响其预测精度。本文利用小波方法的良好去噪效果,提出一种...基于时间序列方法能够对短时间的电离层总电子含量(Total Electron Content,TEC)进行较好预测,但由于电离层TEC受各种因素影响,直接使用原始TEC序列数据会受到各种噪声的干扰,影响其预测精度。本文利用小波方法的良好去噪效果,提出一种基于小波去噪和时间序列分析的电离层TEC组合模型预测方法,采用欧洲定轨中心(CODE)发布的2021年数据对其进行分析。结果表明,对于高、中低纬度,使用组合模型的预测精度分别为96.14%、92.34%和85.09%。与传统的时间序列方法预测的结果相比,在高、中纬度的精度都有所提高,而低纬度精度相当,实验结果可验证本方法的有效性。展开更多
电离层总电子含量(Total Electron Content,TEC)精确预报对提高卫星导航定位精度具有重要意义.为此,提出一种联合鲸鱼优化算法(Whale Optimization Algorithm,WOA)与长短期记忆神经网络模型(Long-Short Term Memory Networks,LSTM)的TE...电离层总电子含量(Total Electron Content,TEC)精确预报对提高卫星导航定位精度具有重要意义.为此,提出一种联合鲸鱼优化算法(Whale Optimization Algorithm,WOA)与长短期记忆神经网络模型(Long-Short Term Memory Networks,LSTM)的TEC短期预报模型;该模型通过LSTM模型训练得到WOA算法的最佳适应度,并利用优化的WOA算法得到LSTM模型最优参数.最后,结合欧洲定轨中心(Center for Orbit Determination in Europe,CODE)提供的TEC格网点数据对所提模型进行验证;试验结果表明:地磁平静状态下,组合模型的平均相关系数ρ较LSTM模型在低、中、高纬度分别提升了2.8%、6.2%和14.8%;地磁活跃状态下组合模型的平均相关系数ρ在低、中、高纬度地区较LSTM模型分别提升了6.6%、9.2%与7.9%.且模型预报效果与地磁活跃状态、季节、太阳活跃水平等有关,在不同地磁活跃状态、季节与不同太阳活动水平情况下,组合模型预报效果均优于单一LSTM模型,为电离层TEC预报模型的实际应用提供了参考.展开更多
基于球谐函数,实现区域电离层建模,并对区域差分码偏差(differential code bias,DCB)与总电子含量(total electron content,TEC)进行解算。对于格网处垂直总电子含量(vertical total electron content,VTEC)出现的异常值,提出一种序列...基于球谐函数,实现区域电离层建模,并对区域差分码偏差(differential code bias,DCB)与总电子含量(total electron content,TEC)进行解算。对于格网处垂直总电子含量(vertical total electron content,VTEC)出现的异常值,提出一种序列无约束最小化技术(sequential unconstrained minimization technique,SUMT)修正法进行修正,利用国际全球导航卫星系统服务(International GNSS Service,IGS)网络的6个测站双频观测数据,建立了电离层VTEC区域模型,并估算了31天的卫星频间DCB,将估算值与电离层分析中心中国科学院(Chinese Academy of Sciences,CAS)发布的产品进行对比分析,结果显示:所有的卫星差值都在0.42 ns以内,其中87.5%的卫星差值在0.4 ns以内,78.1%的卫星差值在0.2 ns以内,频间DCB的平均偏差基本小于0.4 ns。此外,估算的全球定位系统(global positioning system,GPS)卫星DCB序列的标准差(standard deviation,STD)值小于0.1 ns。建立了经纬度范围为5°E~25°E、40°N~60°N的电离层区域模型,将VTEC建模结果与CAS发布的全球电离层地图(global ionospheric map,GIM)产品做差比较,结果显示整体时间点的差值均处于4 TECU以内,且超过90%的区域差值在2 TECU以内,表明估算的结果与CAS产品具有良好的一致性。展开更多
电离层总电子含量TEC的监测与预报是近地空间环境研究的重要内容,对卫星通讯和导航定位等有重要意义。使用基于Transformer(变形金刚)的iInformer(告密者)模型,提出中国区域电离层TEC短期预报新方法,且分别对磁静期与磁暴期电离层进行...电离层总电子含量TEC的监测与预报是近地空间环境研究的重要内容,对卫星通讯和导航定位等有重要意义。使用基于Transformer(变形金刚)的iInformer(告密者)模型,提出中国区域电离层TEC短期预报新方法,且分别对磁静期与磁暴期电离层进行预测。为了分析短期电离层新模型预测效果,选取神经网络模型、线性模型、长短时记忆模型进行对比。结果表明,磁静期选定区域内iInformer模型有效适用于短期预测任务且预测精度明显优于其他对比模型,均方根误差在3个区域均低于1.45 TECU(total electron content units,总电子含量单位)。iInformer模型在应对不同数据量时,均能保持稳定的预测性能。特别是在数据集数量相对有限(少于2个月)的情况下,iInformer模型的预报精度显著优于其他模型。相较于单一数据源,多数据源下的iInformer模型预测精度有显著提升,提升幅度在2%~7.4%。展开更多
电离层总电子含量(total electron content,TEC)是无线电波传播和航天活动中的关键参数,建立高精度的电离层TEC预测模型具有重要意义。本文利用国际GNSS服务(International GNSS Service,IGS)欧洲定轨中心(Center for Orbit Determinati...电离层总电子含量(total electron content,TEC)是无线电波传播和航天活动中的关键参数,建立高精度的电离层TEC预测模型具有重要意义。本文利用国际GNSS服务(International GNSS Service,IGS)欧洲定轨中心(Center for Orbit Determination in Europe,CODE)提供的TEC数据,提出了一种结合时空Transformer(spatio-temporal transformer,STT)与时间卷积网络(temporal convolutional network,TCN)并引入时空注意力机制的组合预测模型TCN-STT,来对TEC进行预测。本研究基于中国及周边地区2000年至2023年共8766天的TEC数据,采用滑动窗口方法构建了8764个样本。所有样本依据Kp地磁指数(Kp<4,4≤Kp<7,Kp≥7)分为三类并进行随机抽样,确保在训练集、验证集和测试集中不同地磁活动强度的样本分布相对均匀,并最终按照8∶1∶1的比例进行划分。实验结果表明:在地磁平静期(Kp<4),样本的均方根误差(root mean square error,RMSE)均值为2.62 TECU,平均相对精度均值为90.48%;在地磁活跃期(4≤Kp<7),样本的RMSE均值增至3.94 TECU,平均相对精度均值下降至87.74%;而在地磁强扰期(Kp≥7),样本的RMSE均值进一步达到8.95 TECU,平均相对精度均值降低至81.28%。总体来看,模型在测试集全部样本上的RMSE均值为2.68 TECU,平均相对精度为90.36%。此外,模型在测试集全部样本上的预测值与真实值的相关系数为0.9866,决定系数(R2)为0.9734,充分表明模型具有优秀且稳定的预测性能。展开更多
电离层延迟是全球卫星导航定位中重要的误差源之一,提高电离层总电子含量(Total Electron Content,TEC)预报精度对改善卫星导航定位精度极其重要.本文联合滑动窗口(Sliding Window)和长短时记忆(Long-Short-Term Memory,LSTM)神经网络,...电离层延迟是全球卫星导航定位中重要的误差源之一,提高电离层总电子含量(Total Electron Content,TEC)预报精度对改善卫星导航定位精度极其重要.本文联合滑动窗口(Sliding Window)和长短时记忆(Long-Short-Term Memory,LSTM)神经网络,以滑动窗口算法对输入序列数据集不断更新并测试不同输入序列长度对应模型的精度,最后以预测值来更新输入数据序列的最后10%,进而构建TEC预报模型SLSTM(Sliding Window on Long-Short-Term Memory).验证结果表明,该模型在平静期和磁暴期预测残差绝对值小于5TECU的比例均达85%以上,较传统LSTM模型对应值占比增加了49%,71%,均方根误差(RMSE)低31%,35%;其预报结果的平均绝对误差(MAE)减少25%,32%;SLSTM模型预测结果的RMSE均值、MAE均值均比传统LSTM模型、BP模型小.展开更多
电离层总电子含量(total electron content,TEC)对电波通信、卫星导航定位等领域都有着重要影响,因此,对其进行准确的预测至关重要.针对电离层TEC难以被有效预测的问题,基于深度学习方法,通过欧洲定轨中心(Center for Orbit Determinati...电离层总电子含量(total electron content,TEC)对电波通信、卫星导航定位等领域都有着重要影响,因此,对其进行准确的预测至关重要.针对电离层TEC难以被有效预测的问题,基于深度学习方法,通过欧洲定轨中心(Center for Orbit Determination in Europe,CODE)分布的TEC网格模型全球电离层地图(global ionospheric map,GIM),利用后向传播(back propagation,BP)神经网络、K折交叉验证(K-fold cross validation KCV)-BP神经网络,遗传算法(genetic algorithm,GA)-BP神经网络和长短时记忆(long short-term memory,LSTM)神经网络,结合滑动窗口策略,进行电离层TEC长短期预测,开展不同纬度区域、不同经度区域、不同太阳活动状态下电离层TEC的1 h短期预测和7~15 d长期预测,引入均方根误差(root mean square error,RMSE)、拟合优度R2、平均绝对百分误差(mean absolute percentage error,MAPE)指标评估不同模型预测的适用性.研究结果表明:短期预测中,从不同模型来说,预测效果由高至低依次为GA-BP、LSTM、KCV-BP、BP和普通最小二乘(ordinary least squares,OLS),最优预测误差在1 TECU以内.在长期预测中,OLS预测效果最好,特别是15 d优势明显,而GA-BP具有最优的长时效性,预测稳定性好.通过MAPE指标说明南北半球对模型的预测适用性有明显差异.最后,在评估模型对区域的适用性时,通过单一的RMSE来衡量具有片面性,需要综合使用R2、MAPE等综合指标来衡量.展开更多
文摘基于时间序列方法能够对短时间的电离层总电子含量(Total Electron Content,TEC)进行较好预测,但由于电离层TEC受各种因素影响,直接使用原始TEC序列数据会受到各种噪声的干扰,影响其预测精度。本文利用小波方法的良好去噪效果,提出一种基于小波去噪和时间序列分析的电离层TEC组合模型预测方法,采用欧洲定轨中心(CODE)发布的2021年数据对其进行分析。结果表明,对于高、中低纬度,使用组合模型的预测精度分别为96.14%、92.34%和85.09%。与传统的时间序列方法预测的结果相比,在高、中纬度的精度都有所提高,而低纬度精度相当,实验结果可验证本方法的有效性。
文摘电离层总电子含量(Total Electron Content,TEC)精确预报对提高卫星导航定位精度具有重要意义.为此,提出一种联合鲸鱼优化算法(Whale Optimization Algorithm,WOA)与长短期记忆神经网络模型(Long-Short Term Memory Networks,LSTM)的TEC短期预报模型;该模型通过LSTM模型训练得到WOA算法的最佳适应度,并利用优化的WOA算法得到LSTM模型最优参数.最后,结合欧洲定轨中心(Center for Orbit Determination in Europe,CODE)提供的TEC格网点数据对所提模型进行验证;试验结果表明:地磁平静状态下,组合模型的平均相关系数ρ较LSTM模型在低、中、高纬度分别提升了2.8%、6.2%和14.8%;地磁活跃状态下组合模型的平均相关系数ρ在低、中、高纬度地区较LSTM模型分别提升了6.6%、9.2%与7.9%.且模型预报效果与地磁活跃状态、季节、太阳活跃水平等有关,在不同地磁活跃状态、季节与不同太阳活动水平情况下,组合模型预报效果均优于单一LSTM模型,为电离层TEC预报模型的实际应用提供了参考.
文摘电离层总电子含量TEC的监测与预报是近地空间环境研究的重要内容,对卫星通讯和导航定位等有重要意义。使用基于Transformer(变形金刚)的iInformer(告密者)模型,提出中国区域电离层TEC短期预报新方法,且分别对磁静期与磁暴期电离层进行预测。为了分析短期电离层新模型预测效果,选取神经网络模型、线性模型、长短时记忆模型进行对比。结果表明,磁静期选定区域内iInformer模型有效适用于短期预测任务且预测精度明显优于其他对比模型,均方根误差在3个区域均低于1.45 TECU(total electron content units,总电子含量单位)。iInformer模型在应对不同数据量时,均能保持稳定的预测性能。特别是在数据集数量相对有限(少于2个月)的情况下,iInformer模型的预报精度显著优于其他模型。相较于单一数据源,多数据源下的iInformer模型预测精度有显著提升,提升幅度在2%~7.4%。
文摘电离层总电子含量(total electron content,TEC)是无线电波传播和航天活动中的关键参数,建立高精度的电离层TEC预测模型具有重要意义。本文利用国际GNSS服务(International GNSS Service,IGS)欧洲定轨中心(Center for Orbit Determination in Europe,CODE)提供的TEC数据,提出了一种结合时空Transformer(spatio-temporal transformer,STT)与时间卷积网络(temporal convolutional network,TCN)并引入时空注意力机制的组合预测模型TCN-STT,来对TEC进行预测。本研究基于中国及周边地区2000年至2023年共8766天的TEC数据,采用滑动窗口方法构建了8764个样本。所有样本依据Kp地磁指数(Kp<4,4≤Kp<7,Kp≥7)分为三类并进行随机抽样,确保在训练集、验证集和测试集中不同地磁活动强度的样本分布相对均匀,并最终按照8∶1∶1的比例进行划分。实验结果表明:在地磁平静期(Kp<4),样本的均方根误差(root mean square error,RMSE)均值为2.62 TECU,平均相对精度均值为90.48%;在地磁活跃期(4≤Kp<7),样本的RMSE均值增至3.94 TECU,平均相对精度均值下降至87.74%;而在地磁强扰期(Kp≥7),样本的RMSE均值进一步达到8.95 TECU,平均相对精度均值降低至81.28%。总体来看,模型在测试集全部样本上的RMSE均值为2.68 TECU,平均相对精度为90.36%。此外,模型在测试集全部样本上的预测值与真实值的相关系数为0.9866,决定系数(R2)为0.9734,充分表明模型具有优秀且稳定的预测性能。
文摘电离层延迟是全球卫星导航定位中重要的误差源之一,提高电离层总电子含量(Total Electron Content,TEC)预报精度对改善卫星导航定位精度极其重要.本文联合滑动窗口(Sliding Window)和长短时记忆(Long-Short-Term Memory,LSTM)神经网络,以滑动窗口算法对输入序列数据集不断更新并测试不同输入序列长度对应模型的精度,最后以预测值来更新输入数据序列的最后10%,进而构建TEC预报模型SLSTM(Sliding Window on Long-Short-Term Memory).验证结果表明,该模型在平静期和磁暴期预测残差绝对值小于5TECU的比例均达85%以上,较传统LSTM模型对应值占比增加了49%,71%,均方根误差(RMSE)低31%,35%;其预报结果的平均绝对误差(MAE)减少25%,32%;SLSTM模型预测结果的RMSE均值、MAE均值均比传统LSTM模型、BP模型小.
