基于改进的深度置信网络的电离层F2层临界频率预测

摘要：

提出一种基于深度置信网络(deep belief network,DBN)对本区域未来24h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.

关键词：f0F2预测、深度学习、深度置信网络、受限波尔兹曼机

所属期刊栏目：35

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金资助项目61461013;广西无线宽带通信与信号处理重点实验室基金资助项目GXKL06160103;桂林电子科技大学创新团队基金

在线出版日期：2018-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：825-829