10.3969/j.issn.1673-6338.2020.01.004
基于深度学习构建的全球电离层NmF2模型
采用递归神经网络对空基COSMIC和地基垂测站数据建立了全球电离层峰值电子密度模型,模型均方根误差达到1.3×105 el/cm3.在春夏秋冬4个季节内,人工神经网络ANN模型预测精度比IRI模型分别提高了25.7%、19.7%、33.3%和21.8%.另外,ANN模型不仅能够有效地模拟全球电离层时空变化特征,也能够成功地模拟电离层的诸多区域物理变化特性,如赤道电离异常、威德尔海异常、中纬度夜间异常和冬季异常.ANN模型可以为改正单频接收机的电离层延迟发挥一定的作用.
电离层模型、神经网络、IRI模型、峰值电子密度、区域电离层异常
37
P222(大地测量学)
江苏省第五期"333工程"科研立项项目;2020江苏高校"青蓝工程"优秀教学团队资助项目
2020-08-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
15-20