排序方式： 共有4条查询结果，搜索用时 15 毫秒
1
1.
基于中国陆态网络地基GPS-TEC观测，针对2008～2019年发生在中国区域的7个MS≥6.0地震，采用滑动四分位距法分析了地震前后的电离层扰动时空分布特征。结果显示，5个地震的震前2～6天，GPS-TEC值出现负异常扰动，地震发生期间及震后电离层TEC出现正异常扰动，主要集中在震后2～7天；GPS观测站距离震中越近，垂直上空的TEC扰动越明显，扰动空间最大范围可达2000km。随着震级的增加，震前电离层TEC异常扰动的发生率有所增加，且异常覆盖的范围也有所扩大。因此，认为震前一周内的电离层TEC变化可能提供揭示电离层扰动与地震活动之间关系的线索。 相似文献
2.
提出一种基于Facebook 开源的Prophet预测模型进行电离层TEC异常识别的新方法。 首先, 对比分析了该方法与传统时间序列预测方法(ARIMA模型等)预测电离层TEC建模背景值的精度, 以及与经典电离层TEC异常识别方法(滑动四分位法)提取前面对应一致的电离层TEC背景值的精度。 结果表明, Prophet预测模型预测建模背景值的精度要明显优于其他方法, 且预测的建模精度比ARIMA模型等方法高2.55倍左右, 比滑动四分位法高10.74倍左右。 同时, 在最佳预测建模区间时, 其精度值大小比较依次为RMSEIQR=10.5841>RMSEARIMA=3.2780>RMSEProphet=0.8469, 说明传统探测法预测建模背景值时具有较大的不足。 随后, 以2017年8月8日九寨沟7.0级地震为例, 利用该方法分析了电离层TEC异常扰动情况, 并对比验证了该方法的有效性和准确性。 实验结果表明: 在震前第10 d和第2 d电离层TEC发生较为明显的负异常, 第7 d电离层TEC发生较为明显的正异常。 对比实验表明, Prophet预测模型的有效性和准确性明显优于滑动四分位法。 相似文献
3.
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
4.
2019年6月17日四川宜宾市长宁县发生MS6.0地震.为了检测地震电离层电子浓度总含量(TEC)异常变化,采用自回归滑动平均模型(ARIMA)和先知(Prophet)两种方法来描述TEC时间序列,检测长宁地震前后TEC异常变化.地磁指数Kp,Dst,Ap和F10.7用于区分与太阳—地磁活动等空间因素相关的其他异常.结果显示,使用ARIMA方法,除了在地震发生前13天5:45 UTC检测到TEC数据时间序列中的显著电离层异常外,其他电离层异常变化全部发生在震后2～6 d;而使用Prophet方法在地震发生前16天7:45 UTC、13天9:30 UTC、5天8:30 UTC以及3天09:30 UTC检测到多处异常现象.综合分析表明,使用Prophet方法比ARIMA更易检测出震前异常.同时,Prophet由于其非线性学习的能力相对较强可作为地震电离层异常检测的鲁棒预测工具. 相似文献
1