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...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^(16)el/m^(2)),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.展开更多