混沌特征参数对神经网络预测电离层TEC的影响分析OA北大核心CSCDCSTPCD
Impact Analysis of Chaotic Character Parameters on Neural Network Based Ionospheric TEC Prediction
利用国际GNSS服务组织(IGS)提供的东经115°经线上不同纬度处一年的电离层总电子含量(TEC)时间序列数据,研究了如何进一步提高基于神经网络方法预测电离层TEC的效果.研究表明:电离层TEC的预测误差与电离层TEC时间序列的最大Lyapunov指数与该序列均值的乘积具有较强的相关性;而且与时间延迟和嵌入维数的选择是否恰当也有着密切关系.
Using the IGS(International GNSS Service) provided one-year time series of ionospheric TEC(Tota! Electron Content) data at different latitudes with the same longitude of 115° east, how to improve the predicted result of ionospheric TEC through Neural Networks methods was studied. Results showed that the prediction error greatly correlates with the product of the maximum Lyapunov exponent and the average value of TEC time series, and also have close relations…查看全部>>
李淑慧;彭军还
中国地质大学(北京)土地科学技术学院,北京100083中国地质大学(北京)土地科学技术学院,北京100083
天文与地球科学
电离层总电子含量混沌神经网络预测
ionosphere TEC(Total Electron Content) chaos neural network prediction
《测绘科学技术学报》 2012 (4)
基于混沌误差理论的GPS电离层综合分析与预报研究
267-270,4
国家自然科学基金项目(4110402541074009)国土资源部公益性行业科研专项(200911015).
评论