基于深度学习的电离层参数预测研究

摘要：

对于电离层参数预测,通过长短期记忆(LSTM)的预测神经网络建模实现电离层参数的短期和日均值预测.使用逐点预测和序列预测2种方法,并采用多维预测和经验模态分解(EMD)算法优化,预测电离层参数的每小时和每天的变化规律.实验结果验证了所提优化算法在提高预测电离层参数预测精度上的可行性.

关键词：长短期记忆、电离层、多维预测、经验模态分解

所属期刊栏目：42

分类号：TN92

资助基金：电子信息系统复杂电磁环境效应国家重点实验室课题基金资助项目;国家重点研发计划基金资助项目

在线出版日期：2021-05-17（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：202-206