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 Mem...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.展开更多
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...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。展开更多
文摘半参数球谐函数(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.