基于深度学习构建的全球电离层NmF2模型

发布时间：2022-01-14 20:35

　　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1.3×10⁵ el/cm³。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。 

【文章来源】：测绘科学技术学报. 2020,37(01)北大核心

【文章页数】：6 页

【部分图文】：

全球电离层NmF2模型网络结构

此外,还采用俄罗斯科学院普什科夫地磁、电离层和无线电波传播研究所(IZMIRAN)提供的全球电离层地图作为参考值。图6 ANN与IRI模型在正午时刻的全球NmF2地图对比(黑色线为磁赤道)

这里采用了空基COSMIC掩星系统和地基垂测站的观测数据参与建模,如图1所示。图1(a)表征了2007—2016年的太阳活动变化,太阳活动在2007—2011年平静,平均F10.7指数低于100 SFU;从2011开始,太阳活动强度急剧增强,平均F10.7指数达到150 SFU,F10.7时间序列由戈达德飞行控制中心提供(https://omniweb.gsfc.nasa.gov/form/dx1.html)。图1(b)和图1(c)分别表示COSMIC掩星剖线和地基垂测站数据在2007—2016年间的分布。其中COSMIC掩星剖线可从美国大气研究中心获得(https://cdaac-www.cosmic.ucar.edu/);垂测站时间序列可从数字电离层数据中心获得(http://giro.uml.edu/didbase/scaled.php)。由于观测系统受日地空间极端天气变化、仪器故障及高低层电子漂移等影响,部分观测数据扰动过大,建模之前需要剔除“粗差”数据。对于COSMIC掩星剖线,采用Chapman函数模拟该剖线形状并计算相关性因子。当相关性因子小于0.9时认为掩星剖线扰动过大则剔除之,详细的Chapman函数内容可参见文献[15]。对于垂测站,观测数据超出均值加减1.5倍中误差的上下边界则被剔除。另外还需要注意的是垂测站只能测量电离层峰值频率foF2,并不能直接测量出峰值电子密度NmF2,两种参数的转换关系为[16]

【参考文献】：
期刊论文
[1]近年来我国GNSS电离层延迟精确建模及修正研究进展[J]. 袁运斌,霍星亮,张宝成.  测绘学报. 2017(10)
[2]国际GNSS服务组织全球电离层TEC格网精度评估与分析[J]. 李子申,王宁波,李敏,周凯,袁运斌,袁洪.  地球物理学报. 2017 (10)
[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]国际参考电离层模型的研究与探讨[J]. 张静,刘经南,李丛.  桂林理工大学学报. 2017(01)
[5]GNSS电离层模型改正精度评估与分析[J]. 刘帅,贾小林.  空间科学学报. 2016(03)
[6]用双频GPS观测值建立小区域电离层延迟模型研究[J]. 张小红,李征航,蔡昌盛.  武汉大学学报(信息科学版). 2001(02)



本文编号：3589169