共查询到15条相似文献，搜索用时 234 毫秒
1.
在充分考虑TEC序列非平稳、非线性、高噪声特性前提下, 以IGS提供的2017年电离层TEC格网数据为基准,运用BP神经网络和ARMA两种模型分别进行TEC 3 d预测,重点分析两种模型在不同季节时段、不同电离层活跃强度及不同样本长度下的TEC预测性能及精度。结果表明,在不同时段,两种模型均能很好地反映TEC的变化特性,其中ARMA模型在春、冬时段及整体预测精度上略优于BP神经网络。在平静期,两种模型的平均相对预测精度分别为87.3%和87.5%,预测效果相差较小;在活跃期,两种模型的平均相对预测精度分别为78.5%和75.5%,BP神经网络的精度比ARMA模型高3%。随着样本长度的增加,BP神经网络在21 d样本处预测效果最佳,ARMA模型的预测精度随样本长度的增加呈降低趋势。 相似文献
2.
针对电离层TEC非线性、非平稳的特点,建立一种基于Prophet与Elman神经网络相结合的残差改正电离层短期预报模型。利用该模型对IGS提供的不同太阳活动程度期间的电离层TEC时间序列进行建模预报。结果显示,改正模型能够反映电离层TEC的变化特征,在太阳活动低年和太阳活动高年预报的平均相对精度分别为92.9%和92.2%,均方根误差分别为0.94 TECu和1.77 TECu,精度较Prophet-Elman模型及单一Elman模型有显著提高。 相似文献
3.
基于IGS数据分析中心提供的全球电离层TEC数据,利用时间序列分析理论中的ARMA模型对2008-05-12汶川Ms8.0地震的电离层TEC资料进行处理,将ARMA模型TEC预报值作为电离层TEC背景参考值,对地震前后的电离层TEC进行异常探测研究。结果表明,在取得了与其他研究方法结果基本一致的基础上,新发现震前第13d、12d、10d、7d也存在电离层TEC异常扰动现象。说明以全球电离层TEC数据为基础,利用ARMA模型同样能有效探测到震前电离层TEC异常扰动现象,并达到较高精度。 相似文献
4.
EOF-LSTM神经网络的电离层TEC预报模型 总被引：1，自引：0，他引：1
为有效利用电离层总电子含量序列的时间信息,提出一种经验正交函数分解与长短期记忆神经网络组合的预报模型,利用IGS提供的云南地区TEC格网数据,分别对不同地点和不同时段的电离层进行建模预报。实验结果表明,该模型在同一时段预报5 d的TEC值均方根误差最优达1.83 TECu,较单一模型减小16%,其平均相对精度最优达91.56%,较单一模型增加7%;在同一地点预报5 d的TEC值均方根误差最优达1.86 TECu,较单一模型减小25%,其平均相对精度最优达90.74%,较单一模型增加7%。 相似文献
5.
针对电离层总电子含量(TEC)时间序列具有高噪声、非线性和非平稳的特性,在奇异谱分析基础上,融合长短期记忆神经网络模型构建短期电离层组合预报改进模型,并对磁暴期、磁平静期的电离层TEC预报精度进行分析。结果表明,在磁暴期和磁平静期,该模型预报3 d的TEC相对精度分别为91.17%和95.46%,比单一LSTM模型分别提高4.92百分点和3.17百分点。 相似文献
6.
提出一种改进的集总平均经验模态分解与自回归移动平均模型组合的残差修正模型，并利用2015年不同经纬度同一时段以及相同经纬度不同时段IGS提供的电离层电子总量数据，用3种模型对5 d内的数据进行预测。结果表明，改进模型5 d 内的平均相对精度为96%，而EMD-ARMA模型及ARMA模型分别为94.5%、93%。 相似文献
7.
针对电离层总电子含量(TEC)非线性、高噪声的特点,建立基于经验小波变换(EWT)和Elman神经网络的短期电离层组合预报模型。运用该模型对不同地磁环境的电离层TEC时间序列进行建模预报,结果表明,EWT-Elman组合模型可反映电离层TEC的变化特征,地磁平静期预测平均相对精度为93%,均方根误差为1.04 TECu;地磁扰动期预测平均相对精度为92.4%,均方根误差为2.18 TECu。单一Elman模型、EMD-Elman组合模型以及EWT-BP组合模型在地磁平静期平均相对精度最高为90.7%,均方根误差最小为1.33 TECu;地磁扰动期平均相对精度最高为90.7%,均方根误差最小为2.57 TECu。对比其他模型,本文方法预测效果最优。 相似文献
8.
针对基于神经网络的电离层TEC短期预报存在精度较低、易陷入局部最优的问题,利用CODE中心提供的TEC数据及地磁活动指数,建立基于麻雀搜索算法（SSA）改进Elman神经网络的电离层TEC短期预报模型,并通过BP模型、Elman模型及SSA-Elman组合模型分别对电离层平静期和扰动期中低纬度TEC进行5 d连续预报。实验结果表明,利用优化后的Elman神经网络模型对TEC进行连续5 d预报时,单个年积日的均方根误差最优可达1.443 TECu,相关系数最优可达0.976,优于BP模型和Elman神经网络模型。 相似文献
9.
利用IGS中心提供的不同纬度的电离层TEC值,建立基于改进的集总平均经验模态分解(MEEMD)算法和Elman回归神经网络(ERNN)模型相结合的电离层TEC预报模型。实验结果表明,在低、中、高不同纬度采用本文方法预报5 d电离层TEC的预测值的均方根误差最优可达到0.96 TECu,相对精度最优达到95.4%,精度较EMD-ERNN模型及单一ERNN模型有显著提高。 相似文献
10.
利用IGS中心提供的不同经纬度平静期、活跃期14 d的电离层TEC格网点数据,以前8 d的TEC值作为样本序列,分别采用Holt-Winters加法模型和乘法模型建立TEC预报模型,并预报后6 d的TEC值。结果表明,无论在电离层平静期还是活跃期,2种模型所得预报结果大致相同,并与实际观测数据吻合较好,但加法模型的预测结果能更好地反映电离层TEC的变化特性。 相似文献
11.
????IGS??????????????????????TEC????,??????????з????????е?ARMA????2008-05-12??Ms8.0?????????TEC??????д???,??ARMA???TEC????????????TEC?????ο??,?????????????TEC??????????о??????????,??????????????о??????????????μ??????,?·????????13??d??12??d??10??d??7??d?????????TEC?????????????????????TEC?????????,????ARMA??????????Ч???????????TEC?????????,??????????? 相似文献
12.
???????????TEC????????????????????SSA????????TEC????У???SSA??????????????????ARMA???????????????????????????????IGS????2010??????TEC?????????飬???????????????????????5 d??TEC????????????92%???????ARMA??????4%?? 相似文献
13.
利用基于CMONOC的GPS观测数据反演中国大陆区域高精度的RIM，并将奇异谱分析(SSA)方法应用于TEC预报，判断不同序列长度对预测结果的影响，并根据w-correlation选取合适的RC迭代阶数和窗口长度。结果发现，当TEC时间序列长度为27 d，窗口长度为序列长度的1/3、迭代SSA分解的前5项时，预测效果最好。提取RIM中心网格点的TEC数据，分别以年积日1~27、101~127、201~227、301~327等4个时段的TEC序列为原始数据，基于SSA进行7 d的预测，同时建立ARMA预测模型。结果显示，相较于ARMA预测，SSA方法总体预测精度提高约10%，预测时段更长。进一步对4个时段RIM中2 911个网格点处的TEC进行预测，发现RMSE随着纬度减小而增大，预测相对精度呈现中纬度比高、低纬度略高的特点，但无论哪种精度指标，SSA预测模型均优于ARMA预测模型。 相似文献
14.
为提高震前电离层总电子含量(TEC)异常探测的精度,提出利用ARMA模型对预测数据进行残差修正得到TEC参考背景值,并设定相对误差和绝对误差相互制约的限差判决门限。通过对2016-01-21青海门源MS6.4地震进行研究,验证该方法的有效性。结果表明,震前第5天存在明显的TEC异常现象,震中及附近更大区域内会形成异常范围集中的电离层异常区域,TEC异常峰值点位于震中偏南方向;震中位置与异常区域的中心点并不重合,震中位于负异常区偏东方向、正异常区偏南方向。 相似文献
15.
针对地表沉降预测研究中单一传统方法预测精度较低、预测过程不稳定等问题,提出一种经验小波变换(EWT)与Prophet预测模型相结合的优化预测方法.以江西省上饶市德兴矿区为例,采用30景哨兵1号影像进行SBAS-InSAR沉降研究,并获取该区域研究时段内的沉降时序数据.首先对原始沉降时序数据进行EWT自适应分解,分解产生... 相似文献