组合模型的电离层总电子短期预报研究

摘要：

针对电离层总电子含量(TEC)是受到众多影响因素的非平稳性、非线性时间序列的问题,该文提出一种基于小波分解与埃尔曼(Elman)神经网络模型和差分自回归移动平均(ARIMA)模型组合的方法.利用db4小波对电离层TEC样本序列分解得到低频信息和高频信息,对高频信息采用ARIMA模型进行预报,对低频信息采用Elman神经网络模型进行预报,将ARIMA模型和Elman神经网络模型的预报值进行重构,从而得到电离层TEC的预测值.实验表明,组合模型在电离层平静期和活跃期预报的均方根误差分别为0.83、1.08 TECu,残差小于1 TECu的比例分别为80.28％、68.00％,较单一模型有了大幅的提升.

关键词：电离层、总电子含量、小波分解、埃尔曼神经网络、差分自回归移动平均模型

所属期刊栏目：47

分类号：P228(大地测量学)

资助基金：国家自然科学基金41474020

在线出版日期：2022-07-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：34-43,67