2015年3月特大磁暴期间中国区域电离层TEC NeuralProphet预报模型研究

延迟是全球卫星导航定位中重要的误差源之一,提高电离层TEC建模和预报精度对改善卫星导航定位精度至关重要.本文构建了以太阳辐射通量指数F_(10.7)、地磁活动指数Dst、地理坐标和中国科学院(Chinese Academy of Sciences,CAS)GIM数据为输入参数的NeuralProphet神经网络模型(NP模型),实现在2015年3月特大磁暴期中国区域电离层TEC短期预报.为验证NP模型的预报精度,本文同时构建了长短期记忆神经网络(Long Short-term Memory Neural Network,LSTM)模型进行对比分析.结果统计分析表明,NP模型在磁暴期(2015年DOY076-078)TEC预报值RMSE和RD分别为0.83 TECU和3.13%,绝对和相对精度较LSTM模型分别提高1.49 TECU和10.25%;且NP模型RMSE优于1.5 TECU的比例达97.24%,远高于LSTM模型.NP模型预报值与CAS具有较好一致性和无偏性,偏差均值仅为-0.01 TECU,而LSTM模型预报值的均值偏大,偏差均值为1.49 TECU.从低纬到中纬度的三个纬度带内,NP模型RMSE分别为1.12、0.83和0.44 TECU,精度比LSTM模型提高1.94、1.56和1.23 TECU.整体上,在磁暴期NP模型预报性能明显优于LSTM模型,能够精细描述中国区域电离层TEC时空变化.

磁暴期电离层离子上行能通量的统计关系研究

利用FAST卫星1997—2006年34个磁暴期149个轨道的观测数据,分析不同相位上行通量数量级,研究不同相位离子上行能通量与地磁活动Sym-H指数和Kp指数,以及注入的Poynting通量之间的关系,构造上行通量经验模型。研究结果表明:磁暴主相期间,上行离子能通量可超过10^(8) eV·cm^(-2)·s^(-1)·sr^(-1)·eV^(-1)量级,初相和恢复相期,上行离子能通量可超过107 eV·cm^(-2)·s^(-1)·sr^(-1)·eV^(-1)量级,主相期能通量均值普遍高于初相和恢复相;磁暴初相期间,上行离子能通量与Sym-H、/p以及Poynting通量成显著正相关,相关系数分别为0.890、0.664和0.660;磁暴主相期间相关系数分别为0.858、0.823和0.541。以磁暴主相为例,上行离子能通量与Sym-H和Poynting通量的经验公式为J_(i+)=10^(5.324±0.581)×(Sym-H)^(1.465±0.340),J_(i+)=10^(6.469±0.798)×S_(dc)^(0.888±0.703)。初相期间,由于地磁扰动时能量快速注入,电离层离子迅速获能,上行离子能通量与地磁扰动指数呈现较高的相关性,同时主相期上行离子能通量的增幅跨越两个量级;向下的Poynting通量导致的焦耳耗散是离子获能的重要来源之一,因此上行离子能通量与Poynting通量有较强的相关性。恢复相期间地磁活动趋于平静,上行离子能通量低于主相期的能通量。

基于RBF神经网络的改进模型在电离层TEC预报中的应用

为了提高电离层TEC值的预报精度,建立更高精度的电离层TEC预报模型,本文在RBF神经网络模型的基础上引入奇异谱分析(Singular Spectrum Analysis,SSA)方法,构建新的电离层TEC预报模型。该组合模型首先通过SSA提取原始序列中的特征分量,避免噪声分量对预报结果的影响,其次将去噪后特征分量作为RBF神经网络模型的输入值。使用IGS中心提供的TEC数据序列进行模型验证,结果表明,无论是对平静期电离层TEC预报还是磁暴期电离层TEC预报,相比于单一的RBF神经网络模型预报结果,本文提出的SSA-RBF神经网络模型的预报结果均更优,其中平静期预报残差在2 TECU以内,磁暴期预报残差在3—4 TECU以内,验证了本文提出组合模型的优越性。