基于KF-LSTM组合模型的短期电离层TEC预测OACSTPCD
Short-Term Ionospheric TEC Prediction Based on KF-LSTM Combination Model
针对电离层总电子含量(TEC)时间序列非线性、非平稳性等特点,提出以卡尔曼滤波对电离层TEC数据进行预处理为基础,融合长短期记忆神经网络模型,构建KF-LSTM短期电离层组合模型预测TEC的方法,并利用该模型预测2016年和2018年4个时段的高、中、低纬度及赤道地区36个格网点提前1 d的电离层TEC.结果表明,KF-LSTM组合模型预测效果优于传统BP神经网络模型和单纯的LSTM模型.在赤道地区,其预测效果与C1 PG模型相当;在15°～75…查看全部>>
李磊;黎竞;杨晨
大连海事大学理学院,大连市凌海路1号,116026大连海事大学理学院,大连市凌海路1号,116026大连海事大学理学院,大连市凌海路1号,116026
测绘与仪器
电离层TEC卡尔曼滤波长短期记忆神经网络短期预测
ionospheric total electron content(TEC)Kalman filterlong-and short-term memory(LSTM)short-term prediction
《大地测量与地球动力学》 2023 (10)
船舶陆基精密定位关键技术研究
1020-1025,6
国家自然科学基金(61601078)辽宁省教育厅基金(201601072).National Natural Science Foundation of China,No.61601078Fund of Education Department of Liaoning Province,No.201601072
评论