|
|||||
|
|
| 基于深度学习构建的全球电离层NmF2模型 | |
| 作者单位： | ;1.江苏城乡建设职业学院;2.中国矿业大学环境与测绘学院 |
| 摘 要： | 采用递归神经网络对空基COSMIC和地基垂测站数据建立了全球电离层峰值电子密度模型,模型均方根误差达到1.3×10~5 el/cm~3。在春夏秋冬4个季节内,人工神经网络ANN模型预测精度比IRI模型分别提高了25.7%、19.7%、33.3%和21.8%。另外,ANN模型不仅能够有效地模拟全球电离层时空变化特征,也能够成功地模拟电离层的诸多区域物理变化特性,如赤道电离异常、威德尔海异常、中纬度夜间异常和冬季异常。ANN模型可以为改正单频接收机的电离层延迟发挥一定的作用。 |
| 关 键 词： | 电离层模型 神经网络 IRI模型 峰值电子密度 区域电离层异常 |
A Global Ionospheric NmF2 Model Developed by Deep Learning |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ | |