MEEMD-Elman神经网络的电离层TEC预报模型

发布时间：2021-12-11 09:29

　　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。 

【文章来源】：大地测量与地球动力学. 2020,40(04)北大核心CSCD

【文章页数】：5 页

【部分图文】：

图1 年积日60～89分解结果

IMF预测分量与真实分量对比

图2 IMF预测分量与真实分量对比图4为3种模型TEC实际值与预测值之差。由图可知,MEEMD-ERNN组合模型的预报残差值大部分在2 TECu以内,最大残差值不超过5 TECu,且所占比例非常小,残差值的波动趋势也相对稳定,说明MEEME-ERNN组合模型的预报精度有显著提高;EMD-ERNN组合模型的预报残差基本都在2～4 TECu以内,最大残差接近7 TECu,且占比相对较高,残差值变化趋势较MEEMD-ERNN组合模型波动较大,很不稳定;ERNN模型预报残差在4～8 TECu,是3个模型中误差最大、也是趋势波动最为明显的。由此可知,MEEMD-ERNN组合模型的精度较优,ERNN模型的预报精度较低。

【参考文献】：
期刊论文
[1]自回归神经网络的电离层总电子含量预报[J]. 吉长东,王强,沈祎凡,潘飞.  导航定位学报. 2018(04)
[2]全球电离层TEC的轮胎调和分析与预报[J]. 冯炜,张传定,吴星,王凯.  测绘学报. 2018(05)
[3]利用BP神经网络改进电离层短期预报模型[J]. 陆建华,王斌,胡伍生.  测绘科学技术学报. 2017(01)
[4]利用EMD方法改进电离层TEC预报模型[J]. 汤俊,姚宜斌,陈鹏,张顺.  武汉大学学报(信息科学版). 2013(04)
[5]震前电离层TEC异常探测新方法[J]. 张小红,任晓东,吴风波,陈玉阳.  地球物理学报. 2013(02)
[6]利用神经网络预报短期电离层TEC变化[J]. 李淑慧,彭军还,徐伟超,杨红磊.  测绘科学. 2013(01)
[7]电离层电子总含量不同时间尺度的预报模型研究[J]. 盛峥.  物理学报. 2012(21)
[8]基于MEEMD的内燃机辐射噪声贡献[J]. 郑旭,郝志勇,金阳,卢兆刚.  浙江大学学报(工学版). 2012(05)
[9]应用半参数AR模型的电离层TEC建模与预测[J]. 李秀海,郭达志.  测绘科学. 2011(02)
[10]利用时间序列分析预报电离层TEC[J]. 陈鹏,姚宜斌,吴寒.  武汉大学学报(信息科学版). 2011(03)

博士论文
[1]车辆与内燃机振声信号盲分离及噪声源识别的研究[D]. 郑旭.浙江大学 2012

硕士论文
[1]基于Elman神经网络的短期负荷预测[D]. 刘荣.浙江大学 2013



本文编号：3534431