贝叶斯正则化的Elman神经网络电离层TEC预报模型OA北大核心CSCDCSTPCD
Prediction Models of Ionospheric TEC by Elman Neural Network with Bayesian Regularization
利用2017年中低纬电离层总电子含量、地磁活动指数、年积日等参数,首次建立基于贝叶斯正则化(Bayesian regularization)的Elman回归神经网络(BR-Elman)的电离层TEC预报模型.同时,根据地磁活动指数的变化特征,分别进行平静电离层和扰动电离层预报建模.实验结果表明,该方法在平静期5d预测值的均方根误差为1.19 TECu,残差为1.03 TECu,相关系数为0.93;在扰动期5d预测值均方根误差为1.34TECu,残…查看全部>>
汤俊;高鑫
华东交通大学土木建筑学院,南昌市双港东大街808号,330013华东交通大学土木工程国家实验教学示范中心,南昌市双港东大街808号,330013
天文与地球科学
电离层总电子含量贝叶斯正则化Elman神经网络预报精度
《大地测量与地球动力学》 2020 (8)
基于地基GNSS和COSMIC掩星观测资料的区域电离层模型精化方法
799-805,7
国家自然科学基金(41761089)江西省教育厅科技项目(GJJ190345).
评论