基于IRI模式的电离层预报模型建立

电离层内部带电粒子运动和变化状态受太阳辐射与地磁场作用的影响,服从物理规律的约束,常规数学逼近方法进行电离层预报缺乏物理机制的支持。由于断电断网等不可预计因素的影响,地面全球导航卫星系统(GNSS)连续观测站数据容易出现中断,从而影响对电离层的监测,并进一步影响改正数播发。为了在GNSS连续观测站数据缺失的情况下,重现电离层误差延迟,填补观测数据空白,本文提出了一种基于物理模式的电离层总电子密度高精度时域预报方案,并通过模拟实验验证了基于物理模式的电离层时序预报方式相较于传统数学方法的优势。实验结果表明,基于IRI的电子浓度总含量(TEC)预报误差基本上都小于多项式计算的TEC预报误差的50%,且随着IGR权重的增加,基于IRI的TEC预报误差也逐渐变小,与模拟的TEC真值更加接近;通过对比拟合时段和预报时段与原始IRI2016模型的计算结果,发现更新后IG_(12)指数驱动下的IRI2016模型计算的TEC精度得到了明显提高,计算残差标准差精度上午时段在低纬度和中纬度地区分别提高了83.9%和49.8%,下午时段在低纬度和中纬度地区分别提高了63.0%和60.6%,与GNSS TEC的整体符合情况更好,从而验证了基于IRI模式建立的电离层预报模型在中国中、低纬度地区具有较高的应用精度。

电离层预报模型研究

当利用无线电电磁波进行远程通信、卫星导航时，传递信号要受到电离层的影响，因此，对电离层中电子含量的研究显得特别重要．虽然国际上有几种电离层的电子含量预报模型，但其预报只能精确到电子含量的50％-60％．本文提出了一种新的电离层电子含量预报方法：即用球谐函数对IGS（国际GPS服务）所给出的离地面450km高的球面上的每一网点的电离层电子含量进行拟合，对不同的时间所得到的拟合系数所形成的时间序列用时间序列分析理论中的ARMA（p，q）模型进行预报，从而实现全球的电离层电子含量预报．利用本方法对2004年和2005年IGS所给电离层电子含量资料在地理框架中做了分析预报，5天内电子含量预报相对精度在90％左右．

结合自适应噪声完备集合经验模态分解的深度学习模型在电离层闪烁预报中的研究

电离层闪烁可能导致通信系统误码率增加和GNSS定位精度下降。由于电离层闪烁的偶发性,闪烁预报非常困难。为了提高对电离层闪烁的预测精度,提出了一种综合多种方法的混合预测模型,利用电离层闪烁标签值(S4label)进行辅助,结合“分解-集成”思想的深度学习模型进行预测。首先采用CEEMDAN算法将原始数据分解为多个子信号,并基于样本熵指标,使用K-Means算法将这些子信号重构为高频、低频和趋势3种信号。后利用VMD法对高频信号进行二次分解,借助自注意力LSTM模型实现对高低频信号的逐步预测。实验结果表明,与传统的LSTM模型相比,混合模型预测精度明显提高。在地磁平静期,该模型的预测效果得到显著改善,R^(2)、RMSE、MAE、MAPE代表的精度分别提升了32.2%、58.7%、51.2%、44.7%。因此,该模型能更准确地预测电离层闪烁现象的发生,对电离层闪烁的预测研究具有很好的参考价值。

联合半参数和长短期记忆神经网络的全球电离层TEC短期预报

半参数球谐函数(Semiparametric Spherical Harmonic,Semi-SH)模型能减少电离层预报模型误差以及残余周期带来的系统误差.但是半参数球谐函数模型中窗宽参数的选取会带来一定的估计偏差,本文利用长短期记忆神经网络(Long-Short Term Memory Networks,LSTM)在非平稳性时间序列预报中的良好适应性,提出了一种联合Semi-SH与LSTM(Semi-SH-LSTM)的全球电离层TEC短期组合预报模型,适用于1—5天的短期预报.Semi-SH-LSTM模型通过预报球谐函数系数解算全球电离层TEC,利用二次多项式和半参数核估计方法分别拟合球谐系数趋势项和周期项,最后基于LSTM对拟合残差进行补偿预报.本文利用欧洲定轨中心(Center for Orbit Determination in Europe,CODE)球谐函数系数产品,采用单天预报和多天预报两种实验方案验证Semi-SH-LSTM模型的有效性.实验结果表明,相比于Semi-SH模型和综合半参数与自回归模型,Semi-SH-LSTM模型的单天全球TEC预报残差RMS值分别提升了12.6%和13.1%;误差小于1 TECU占比分别提升了4.9%、4.6%.基于Semi-SH-LSTM模型的多天全球TEC预报残差RMS值分别提升了10.5%和8.5%,误差小于1 TECU占比提升了3.9%和3.2%.同时,半参数LSTM组合预报模型每预报一天耗时约在2 h以内.

中国地区电离层foF2重构方法及其在短期预报中的应用

提出了一种适合于中国地区电离层foF2的重构方法——以中国参考电离层为背景的改进克里格法.该方法把foF2的估计值与中国参考电离层模型值之差值的相对值作为区域化变量,引入电离层距离,采用克里格法实现区域电离层重构.与直接利用foF2进行克里格重构相比,以中国参考电离层为背景场保持了电离层的区域特征,提高了重构的准确性和稳定性.利用我国电离层垂测台站网的数据对该方法应用于中国地区的重构精度进行了评估.该方法与单站预报的自相关分析法相结合可实现中国地区电离层foF2短期预报.

利用ARMA模型进行电离层TEC预报

电离层电子含量是影响卫星导航定位精度的重要因素.利用IGS分析中心提供的2006年和2007年中国境内5个IGS跟踪站的电离层电子含量数据,采用时间序列分析理论中的ARMA模型,对未来5d内的电子含量进行预报.结果表明,ARMA模型较为精确地模拟了1—5d的电离层网格电子含量数据.在24h预报时间内,5个跟踪站的ARMA模型预报值的绝对误差全部可控制在1TECU的精度范围内;在36h预报时间内,预报相对精度绝大部分可保持在90%以上;在5d预报时间内,电子含量预报相对精度大部分仍可达到90%以上;另外,93.3%的预报数据绝对误差小于2TECU.

利用神经网络预报电离层f_0F_2

由中国武汉电离层台站和澳大利亚Hobart台站的电离层F2层临界频率(f0F2)的资料,利用三层 前向反馈神经网络(BP网络),提出一种提前24 h预测,f0F2的方法,该方法以前5天观测的,f0F2数据拟合 的5个系数以及太阳活动参数作为输入,以当天24 h的,f0F2作为输出对网络进行训练,训练好的网络可以实 现对,f0F2提前24 h的预报.预测结果显示,利用神经网络预测的,f0F2与实际观测结果变化趋势较一致,并且 比IRI的计算结果更加准确.误差分析表明,在南半球Hobart(-42.9°,147.3°)台站比中国武汉站(30.4°, 114.3°)的结果要好,在低年比高年要好,在冬夏季节比春秋季节稍好.本文说明利用神经网络对电离层参量进 行预报是一种切实可行的方法.

集合卡尔曼滤波在电离层短期预报中的应用

提出了一种利用集合卡尔曼滤波对电离层f_0F_2短期预报结果进行优化的方法.利用训练好的神经网络对f_0F_2进行提前1～24 h的预报,考虑前一天预报误差的反馈信息,动态跟踪f_0F_2的变化趋势,引入集合卡尔曼滤波对神经网络的预报结果实行进一步修正和优化.实验结果表明,此方法的预报效果优于单纯的神经网络模型和IRI模型.此方法还可以应用于其他电离层参量的短期预报.

利用人工神经网络提前1h预报电离层TEC

提出了一种利用人工神经网络提前1 h预报电离层TEC的简便方法.考虑到实际工程应用要求,没有使用其他空间天气参数,而是选择电离层TEC观测数据本身作为输入参数.输入参数为当前时刻TEC、一阶差分、相对差分和时间,输出参数为预报时刻TEC.利用文中介绍的GPS/TEC处理方法解算厦门站2004年电离层TEC观测数据,对预报方法进行评估,全年平均相对误差为9.3744%,预报结果与观测值相关性达到了0.96678.结果表明,利用人工神经网络方法提前1 h预报电离层TEC有很好的应用前景.

利用神经网络提前24小时预报电离层f0F2

文献[17]利用神经网络技术提出一种提前1小时预报电离层临界频率f0F2的方法。在该工作的基础上对网络的输入进行优化,将预报的提前量扩展到24小时。网络的输入包括地方时、季节、前24小时的观测值以及相应前30天的滑动平均值。分别用海口和北京站的历史数据进行检验,分析预报误差在太阳活动高低年和不同季节的变化,并将结果同国际参考电离层(IRI)进行比较。结果表明:神经网络的预报结果能较好地符合实测数据,在海口和北京站比IRI更具有实用性。

电离层天气预报研究进展

综述了国际上电离层天气预报的服务现状、研究进展和发展趋势;介绍了电离层天气预报的几种主要方法,它们是自相关函数法,多元线性回归法,人工神经网络法,暴时电离层经验修正模型,区域电离层预报方法和基于物理模型的电离层数据同化模型等.文章回顾了我国在电离层建模和预报方面的观测基础和主要研究结果;介绍了在电离层短期预报方面,特别是最近提出的"中国及周边地区电离层短期预报方案"的研究进展.随着空间探测技术的发展,特别是GPS接收机的广为应用和GPS/LED掩星技术的发展,给电离层探测和建模带来了革命性的变化.文章的最后部分对开展我国电离层天气预报工作提出了几点思考.

自回归神经网络的电离层总电子含量预报

为了进一步提高TEC的预报精度,针对TEC时间序列高噪声、非平稳、包含线性和非线性动态序列的特性,运用经验模态分解和非线性自回归动态神经网络,基于分解-预测-重构的思想构建EMD-NAR预测模型;并对比分析EMD-NAR组合模型和单一模型的预报精度,同时运用EMD-NAR预测模型分析不同环境下的电离层TEC时间序列。实验结果表明EMD-NAR动态神经网络模型能很好地反映电离层TEC的变化特性,平静期和活跃期的预测平均相对精度分别为94%和88.3%,预报残差小于1个TECu的分别占71%和68.5%,小于3个TECu的分别占90.3%和87.5%。

利用半参数核估计法预报全球电离层总电子含量

本文将半参数平差模型引入电离层球谐函数系数的预报中,建立了半参数球谐函数模型(Semiparametric-Spherical Harmonic,Semi-SH)来预测全球电离层总电子含量.首先,通过快速傅里叶变换获得球谐函数系数的周期和振幅,将振幅高的主周期归入趋势函数,振幅低的剩余周期归入随机信号,建立了半参数模型,同时利用核估计方法拟合趋势函数,解算随机信号,并在时间域上进行外推,得到了预报时间的球谐函数系数,代入15阶电离层球谐函数模型,最后得出电离层总电子含量(Total Electron Content,TEC)的预报值.本文基于欧洲定轨中心(CODE)发布的球谐函数系数进行电离层TEC长期预报和短期预报分析,其中长期预报采用四年预报两年的模式对球谐函数系数进行预报,短期预报设计了三个算例,采用前30天预报后一天的模式,分别预报1天、滑动预报7天和滑动预报30天.实验结果表明:长期预报能够较好地反映全球电离层TEC的变化趋势和波动情况,Semi-SH模型对全球电离层TEC平均值(Mean TEC global,MTECglobal)的拟合值和预报值与MTECglobal实际值的相关系数分别为0.8743和0.8010,呈现出高度相关性.短期预报中,在太阳活动高年和太阳活动低年,Semi-SH模型在中纬度地区预报精度较CODE发布的电离层TEC 1天预报产品(CODE′S 1-Day Predicted GIM,C1PG)有较大提升,在高纬度与低纬度地区两种模型预报精度相当;Semi-SH模型在太阳活动高年和太阳活动低年30天滑动预报精度的均值均高于C1PG模型.实验结果说明了Semi-SH模型预报电离层TEC值的有效性.

利用混合模型LSTM-DNN进行全球电离层TEC map的中短期预报

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%。

基于球谐函数模型的电离层预报

据球谐函数模型系数的特点,采用ARMA(p,q)模型对球谐函数模型系数进行预报,由球谐函数模型计算电离层VTEC。提出了针对某一时刻球谐系数进行预报的方法,相比传统按照时刻顺序的预报,预报时间大大延长,预报精度也有所提高。试验结果表明,相比中高纬度地区,低纬度地区预报精度偏低,同时,一天中不同时刻预报结果有所差别,前半天的预报效果明显好于后半天。

利用神经网络预报中国地区电离层f_0F_2

利用神经网络技术并考虑太阳和地磁活动对电离层的影响,提出了一种提前5h预报中国地区电离层临界频率f_0F_2的方法.网络输入包括时间、季节、地理纬度、太阳天顶角、最近一天的12个观测值(F_(-23),F_(-22),F_(-21),F_(-20),F_(-19),F_(-18),F_(-5),F_(-4),F_(-3),F_(-2),F_(-1),F_0)和前30天滑动平均值(A_(-24),A_(-23),A_(-22),A_(-4),A_(-3),A_(-2),A_(-1),A_0),网络输出分别为未来5h的f_0F_2值F_(+1),F_(+2),F_(+3),F_(+4),F_(+5).选取乌鲁木齐、长春、重庆和广州站1958—1968年间的数据训练网络,利用中国9个电离层站的历史数据检验网络,根据均方根误差衡量网络性能的好坏.结果表明。

利用F_(10.7)短期预报电离层F_0F_2

通过对电离层历史数据和太阳射电流量F_(10.7)的回归分析,提出了一种单站电离层f_0F_2的短期预报方法,以F_(10.7)的流动平均值f_c为输入,以未来3天的f_0F_2为输出,分别利用中国地区8个台站的数据进行检验,分析不同太阳活动水平、季节以及地方时预报误差的分布特征。结果表明,该方法能有效地预测未来1～3天的f_0F_2。该方法还可应用于其他电离层参量的短期预报。

电离层总电子含量的短期预报方法的误差评估

用统计学的方法分析了用自相关分析法和改进的克里格插值法对中国地区电离层总电子含量(TEC)进行短期预报的预报误差。结果表明:预报误差的大小在地域上呈现出由北向南逐渐增大的趋势,时间上,在二分季节误差较大,误差日变化的峰值出现在午后。而相对误差则是在冬季最大,在夏季最小;相对误差的日变化为双峰结构,峰值出现的时间在8点和20点附近。从总体上看,在提前一小时预报中国地区电离层TEC时,相对误差为12%左右。通过统计对比单站预报和区域重构对最终预报误差的影响可以看出,单站预报误差起主要作用。因此,改进单站预报方法十分重要,可以有效地提高预报精度。同时,也需要增加并合理布局全球定位系统(GPS)接收台站。

中国电离层闪烁监测和预报

我国低纬度地区是全球电离层闪烁衰落影响最严重的地区之一,介绍了在青岛开展电离层闪烁效应研究的先期工作:电离层闪烁监测和预报,建立了覆盖我国中低纬地区的电离层闪烁监测网,给出了闪烁监测预报系统的组成和进行电离层闪烁预报的技术路线.

联合经验正交分解和ARIMA模型的中国地区电离层短期预报

针对电离层垂直总电子含量(vertical total electron content,VTEC)具有非平稳和季节性变化的特性,结合经验正交分解(empirical orthogonal function,EOF)能够对非平稳时间序列进行简化和剔除冗余信息的优势,探索联合EOF和自回归移动平均模型(autoregressive integrated moving average,ARIMA)作为FOE-ARIMA,对中国地区电离层VTEC进行短期预报,可以为VTEC的预测提供一种新型的、高精度、可靠的预测方法,以提升预测电离层延迟精度。采用国际GNSS服务(international GNSS service,IGS)中心提供的中国地区电离层格网数据(global ionospheric maps,GIM),对不同季节前10 d GIM数据进行EOF分解,使用ARIMA模型对主分量进行预报,通过重构获取未来5 d的VTEC,并将EOF-ARIMA模型预报结果与ARIMA模型进行对比、分析。结果表明:EOF-ARIMA模型平均相对精度为83.3%,平均标准差为3.51 TECu,较ARIMA模型其平均相对精度提高了3.3%,平均标准差降低了0.16 TECu;EOF-ARIMA模型预测结果无明显季节差异,ARIMA模型秋季预报精度明显低于其他季节;EOF-ARIMA模型在赤道异常处预报精度未受影响。由此表明EOF-ARIMA模型在中国地区进行电离层短期预报具有较高的精度和稳定性。