120°E赤道电离异常区电子浓度总含量分析与预测

基于国际全球定位服务中心(International GPS Service,IGS)提供的120°E上空1999—2009年IONEX格式电离层电子浓度总含量(TEC)资料,分析赤道电离异常驼峰区TEC峰值Inc和Isc的年变化和季节变化以及与太阳、地磁活动的相关性.在11年时间尺度上,Inc和Isc与太阳辐射P指数的日均值有较好的相关性(r=0.90和r=0.84),而与地磁活动指数Dst、Kp和Ap日均值的相关性均不好.驼峰区TEC峰值Inc和Isc都是在北半球春、秋季出现极大值,而且冬季值大于夏季值,即Inc呈现"半年异常"和"冬季异常"现象,我们认为Inc和Isc相似的半年变化特征是与赤道上空电离层电急流相关的东向电场半年变化导致的.利用支持向量回归方法构建了EIA指数的预报模型,预报试验结果表明,该预报模型能较准确地描述Inc和Isc的变化,对南北驼峰TEC峰值预报的平均相对误差分别为22.96%和10.2%.基于支持向量机回归的预测方法为赤道电离异常特征指数预报的实现提供一条有效方法途径和好的应用前景.

红心李总可溶性固形物含量的电子鼻预测方法研究

为实现红心李品质的无损检测,采用国标法检测红心李样品的可溶性固形物含量,测定并记录电子鼻响应值,采用非线性随机共振提取电子鼻信噪比特征值,构建红心李总可溶性固形物含量非线性Boltzmann预测模型。结果表明,构建的红心李可溶性固形物含量预测模型的相关系数R2=0.9700,表明电子鼻可以预测红心李可溶性固形物含量。验证可知,该模型的预测精度较高,对所有测试样品的预测值皆较准确。本研究为果蔬品质电子鼻快速无损检测提供了理论参考。

武汉地区电离层电子浓度总含量的统计经验模式研究

由武汉电离层观象台一个太阳黑子周期（１９８０—１９９０年）的实测电离层电子浓度总含量（ＴＥＣ）资料，统计分析得出了武汉地区的一个 ＴＥＣ经验模式．模式很好地再现了武汉地区的ＴＥＣ观测值．其预测误差在太阳活动高年稍大，低年较小；在春秋两季稍大，冬夏两季较小；在当地时间白天和傍晚稍大，夜间和早晨较小．此外，与国际参考电离层模式ＩＲＩ的计算结果比较，本模式预测的ＴＥＣ值更接近于实际观测结果．同时，本文也初步探讨了ＴＥＣ的半年变化特征和冬季异常现象．

通过GPS测量数据研究电离层电子总含量的逐日变化

提出了一种直接通过双频GPS伪距测量数据导出接收站附近垂直TEC的方法，这种方法不需要事先知道卫星和接收机电路时延的精确值，前者可在换算过程中自治地加以修正，而接收机时钟误差则利用IRI模式的夜晚平均值作为参考来订正，这一订正存在一定的绝对误差，但不会影响逐日相对变化。却使数据处理过程大为简化．得到的垂直TEC为天顶周围60°锥角内的平均值，能够相当好地反映电离层电子总含量的周日变化．一个计算实例显示了连续三天北京地区TEC的日变化情况，证实了这一方法的实用性．文中还提出一个新概念或问题，即GPS卫星仰角很小时，通常认为多径效应造成大的误差，本文的一些实例似乎表明，这种多径效应的概念应当包括电高层不规则结构的贡献．

利用COSMIC低轨卫星对GPS信号的顶部TEC观测资料研究等离子体层电子含量的变化特征

本文尝试利用COSMIC低轨卫星对GPS信号的顶部TEC观测资料研究等离子体层电子含量(简称PEC)的变化规律.首先介绍从低轨卫星对GPS的顶部TEC观测资料提取等离子体层垂直电子含量的方法,然后利用该方法提取2008年全年的PEC数据,进而研究了2008年这一太阳活动低年PEC随地磁纬度(MLAT)、磁地方时(MLT)以及不同季节的变化规律.此外,还利用提取的120°E和300°E经度链上的数据对比研究了PEC的经度变化情形.研究结果表明:(1)PEC主要集中分布在磁赤道±45°之间的一个绕地球的环带状区域中;(2)PEC表现出以下的昼夜变化规律特征:白天时段之值高于夜间,约在12—16MLT之间达到最高峰值,而最小PEC值出现在日出前大约4—5MLT左右的时段;(3)相比其他季节月份而言,PEC在北半球夏季月份(5—8月)具有最小值;(4)PEC存在明显的经度变化,不同经度链上的PEC存在不同的季节变化特征.

2009年7月22日日全食期间电离层总电子含量变化研究

利用中国区域内五个GPS台站(一个台站处于日全食区域、四个台站处于日偏食区域)观测数据,研究2009年7月22日日全食期间电离层总电子含量(TEC)的变化,结果表明,日全食期间,电离层TEC值经历了下降和恢复的过程,最小TEC相对于最大食偏的时间延迟约为1～10 min;台站测得最小TEC的星下点(IPP)越靠近日全食带TEC下降量越大,在日食期间武汉站(114.35°E,30.53°N)TEC相对于各参考日期的TEC,其平均下降量最大,达到4.58TECU.

基于GPS的南极电离层电子总含量空间分布特征研究

利用南极区域内的中国中山站GPS常年跟踪站(ZHON)和国际GPS服务站GPS观测数据,计算出2000—2006年期间南极地区上空高精度电离层电子总含量值,分别对极光区内、极光区外、极隙、极盖区的电离层电子总含量进行分析比较。结果表明,极光区外的电子总含量峰值要大于极光区内,极光区内的电子总含量峰值又大于极盖区,而每日电子总含量谷值(即最小值)则相差并不明显,这一空间分布特征与不同位置的不同太阳入射角以及地球磁场在高纬地区具有的特殊构型有关。

由微分多普勒数据求算电离层总电子含量的新探讨

介绍一种由微分多普勒数据求算电离层总电子含量的新方法,并且通过理论分析,提出了对提高TEC计算准确性起重要作用的电离层中心高度的修正模式。实际计算结果表明,这种新方法和修正模式对于由微分多普勒数据求算TEC值是成功和有效的。

电离层电子浓度总含量梯度对GPS差分定位精度的影响

针对GPS定位测量的信号传播路径误差，分析了电离层电子浓度总含量梯度对差分定位精度的影响，利用L1载波重点讨论了1999年-2000年太阳活动期间低纬度赤道异常地区GPS差分定位精度的问题，同时验证对于长基线采用GPS广域差分技术可以使电离层定位误差得到明显提高。

基于卡尔曼滤波的实时总电子含量周跳探测与修复

总电子含量(total electron content,TEC)作为描述电离层形态和内部结构的重要参量,对于电离层领域的理论研究和发展有着重要作用,而周跳的探测一直以来都是全球定位系统(global position system,GPS)载波相位测量数据预处理的重点和难点,尤其是在高精度GPS定位中,卡尔曼(Kalman)滤波在周跳探测与修复中的应用使得能够准确可靠地探测出观测值中可能出现的周跳,利用Kalman滤波算法探测不同的观测数据类型及其组合,并将修复后的观测值与理论值进行对比。结果表明:该算法对周跳探测和修复有很强的有效性和精度。

GPS与格洛纳斯电离层电子总含量建模的差异性分析及改进

为了提高多模GNSS(global navigation satellite system)电离层电子总含量(TEC)的计算精度,基于全球及中国区域研究了GPS(global positioning system)TEC和GLONASS(global orbiting navigation satellite system)TEC的差异及变化规律.GPS TEC精度要优于GLONASS TEC,两者相关性随纬度降低而降低,并且GLONASS TEC较之GPS TEC存在一定程度的低估;TEC精度差异与星座配置、信号体制及轨道周期差异有关,并受到本地时影响,F2层临界频率(foF2)存在类似情况.基于GPS TEC和GLONASS TEC的差异性,对组合建模时伪距观测权函数进行改进,平均偏差约改进20%,内符精度约改进15%.

基于长短时记忆神经网络的中国地区电离层TEC预测

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.

电离层TEC的预测模型

电离层总电子含量(TEC)的精确预报对提高GNSS导航精度,保障无线电空间远程通讯具有重要作用。分析了IGS发布的电离层格网点总电子含量(TEC)的时间序列特点,基于时间序列分析理论,以AR模型对格网点TEC随机时间序列平稳化后建模和预报。实例分析表明,研究的预报技术和方法是可行的。

基于EWT-ARMA的短期电离层TEC预测模型

针对电离层总电子含量(TEC)数据非线性、非平稳的特点,在自回归移动平均(ARMA)模型的基础上,结合经验小波变换(EWT),提出一种组合的短期电离层预测方法。采用IGS提供的电离层TEC格网数据进行实验,通过对比分析可知,相较于单一ARMA模型,本文组合模型在太阳活动低年和太阳活动高年5 d内的平均相对精度分别提高4.8%和2.8%,前1 d内组合模型的平均相对精度分别提高7%和6.1%。

电离层TEC建模与预测

基于时间序列分析的DDS(dynamic data system)法,以AR模型和CAR模型对电离层格网点进行建模并预测。实例分析表明,应用时间序列分析的AR和CAR模型对电离层格网点总电子含量进行预报,具有模型辨识过程简单、计算工作量小、便于上机实现、预测精度高等优点。与AR模型相比,CAR模型的预报效果更佳。

基于偏最小二乘回归的赤道电离异常区峰值TEC预测

基于IGS提供的120°E上空1999—2009年IONEX格式电离层电子浓度总含量(TEC)资料,使用偏最小二乘回归方法进行拟合训练,构建了赤道电离异常南、北驼峰峰值TEC的预测模型,并以2009年的TEC数据进行预测试验。结果表明,该预测模型能较准确地描述南北驼峰峰值TEC的变化特征,但对北驼峰峰值的预测效果要好于对南驼峰的预测;对南、北驼峰峰值TEC预测的平均绝对误差分别为4.441 0、2.915 1 TECU,平均相对误差分别为23.26%、10.78%,预测值与真实值的相关系数分别为0.712 2、0.785 9。

混沌特征参数对神经网络预测电离层TEC的影响分析

利用国际GNSS服务组织(IGS)提供的东经115°经线上不同纬度处一年的电离层总电子含量(TEC)时间序列数据,研究了如何进一步提高基于神经网络方法预测电离层TEC的效果。研究表明:电离层TEC的预测误差与电离层TEC时间序列的最大Lyapunov指数与该序列均值的乘积具有较强的相关性;而且与时间延迟和嵌入维数的选择是否恰当也有着密切关系。

BP神经网络和ARMA模型在中纬度TEC短期预测中的对比分析

在充分考虑TEC序列非平稳、非线性、高噪声特性前提下,以IGS提供的2017年电离层TEC格网数据为基准,运用BP神经网络和ARMA两种模型分别进行TEC 3 d预测,重点分析两种模型在不同季节时段、不同电离层活跃强度及不同样本长度下的TEC预测性能及精度。结果表明,在不同时段,两种模型均能很好地反映TEC的变化特性,其中ARMA模型在春、冬时段及整体预测精度上略优于BP神经网络。在平静期,两种模型的平均相对预测精度分别为87.3%和87.5%,预测效果相差较小;在活跃期,两种模型的平均相对预测精度分别为78.5%和75.5%,BP神经网络的精度比ARMA模型高3%。随着样本长度的增加,BP神经网络在21 d样本处预测效果最佳,ARMA模型的预测精度随样本长度的增加呈降低趋势。

基于离散系统卡尔曼滤波的电子含量预报分析

使用中国地壳运动观测网络基准站的数据,拟合电离层VTEC模型的参数,提出了利用离散系统卡尔曼滤波方程预报电离层TEC的方法,并对2002年9月10日和2002年9月14日特定时刻的TEC进行了预报和分析,其半小时内的预报精度达到2.5 TECU,实验证明可以利用该方法对某些电离层活动进行有效预报。

一种基于LSTM与IRI模型的电离层层析TEC组合预测方法

电离层总电子含量(total electron content,TEC)作为评估无线电波穿过电离层时产生误差的主要物理量,对其准确的估算以及预测具有重要的研究意义.本文结合电离层层析算法反演重构的TEC数据,提出一种基于长短期记忆(long short-term memory,LSTM)与国际参考电离层(international reference ionosphere,IRI)模型的组合预测模型,实现了对欧洲上空平静态电离层的TEC预测,并与IRI梯度法、LSTM网络预测结果进行对比.实验结果表明:IRI梯度法提前1 h能够产生理想的预测结果,提前2 h与3 h的预测精度明显下降;LSTM模型在提前2 d的预测结果表现良好,但随着迭代预测时长的增加预测结果中出现较多异常值.统计误差显示,本文所提出的组合预测模型相比于IRI梯度法预测性能更为稳定,对单一LSTM模型修正效果明显,消除了预测结果中大部分异常值,有效提高了单一模型的预测精度.组合预测模型与实际层析TEC之间的预测均方根误差(root mean squared error,RMSE)为1.1 TECU,与欧洲定轨中心提供的TEC预测RMSE为1.7 TECU.