基于DOA-BP神经网络的电离层TEC短期预测

影响全球导航卫星系统(GNSS)所需导航性能(RNP)的最大误差源之一是电离层延迟,该延迟与电离层总电子含量(TEC)成正比,因此TEC的准确预测直接影响到GNSS的RNP。探索性地使用2021年提出的澳洲野犬优化算法(DOA)优化反向传播(BP)神经网络,构建DOA-BP神经网络TEC短期预测模型,以欧洲定轨中心(CODE)提供的电离层TEC值作为数据集,训练、测试DOA-BP TEC短期预测模型,实现全球范围和中国区域不同电离层格网点处TEC值的高精度短期预测,并将预测结果分别与传统BP神经网络模型、麻雀搜索算法(SSA)优化的BP神经网络模型(SSA-BP)预测的TEC值进行对比分析,结果表明,相较传统BP模型,DOA-BP模型的TEC预测精度明显提高,且相比其他优化模型(如SSA-BP模型),预测的TEC精度也占一定优势,能准确反映全球不同时空下电离层TEC的变化特征,可作为电离层TEC短期预测的一种新方法。