基于改进的深度置信网络的电离层F2层临界频率预测

提出一种基于深度置信网络(deep belief network,DBN)对本区域未来24 h的电离层临界频率f0F2预测的方法。对选取的数据集进行筛选,生成用于训练和测试的数据集;改进DBN基本单元的结构,以适应对连续型数据特征的提取与学习,再通过实验确定DBN的基本结构;最后利用训练数据集对改进后的网络进行训练,实现对f0F2值的预测。与实测值相比较,改进的DBN具有极佳的预测准确性;与浅层结构BP网络和SVM网络相比,改进的DBN不单克服了浅层结构所固有的问题,更表现出对于连续型数据预测的优异性能,尤其是当预测对象受到高维复杂因素影响时改进的DBN模型依旧能表现出很好的预测性能。