基于SSA-PSO-LSTM模型的电离层TEC预报OA
TEC prediction in ionosphere based on SSA-PSO-LSTM model
受多种因素影响,电离层电子总含量(TEC)时间序列具有非线性、非平稳性特征,为提升长短期记忆(LSTM)神经网络模型在电离层TEC预报中的精度,本文在该神经网络模型的基础上,引入奇异谱分析(SSA)与粒子群优化(PSO)算法,构建了新的SSA-PSO-LSTM模型.一方面,利用了SSA对TEC时间序列进行数据预处理;另一方面,利用粒子群优化算法改进LSTM神经网络模型参数.选用欧洲地球参考框架(EUREF)提供的格网点 电离层TEC时间序列数据进…查看全部>>
Due to various factors,the time series of total electron content(TEC)in the ionosphere has nonlinear and nonstationary characteristics.To improve the accuracy of the long short-term memory(LSTM)neural network model in predicting TEC in the ionosphere,this paper introduced singular spectrum analysis(SSA)and particle swarm optimization(PSO)algorithms into the neural network model and constructed a new SSA-PSO-LSTM model.On the one hand,SSA was used for data pr…查看全部>>
郑泽辰;黄志标
浙江省测绘科学技术研究院,浙江 杭州 310030浙江省测绘科学技术研究院,浙江 杭州 310030
测绘与仪器
电离层电子总含量(TEC)奇异谱分析(SSA)粒子群优化(PSO)LSTM神经网络模型预报精度
total electron content(TEC)in ionospheresingular spectrum analysis(SSA)particle swarm optimization(PSO)long short-term memory(LSTM)neural network modelprediction accuracy
《北京测绘》 2024 (5)
786-792,7
国家自然科学基金(42261074)
评论