经验小波神经网络在电离层TEC短期预测中的应用

发布时间：2021-04-10 14:54

　　针对电离层总电子含量（TEC）数据非线性、高噪声的特点,将经验小波变换（EWT）应用到此类的数据处理当中,结合BP神经网络,基于分解-预测-叠加的思想建立EWT-BP组合预测模型。采用IGS提供的2010年电离层TEC数据进行实验,对比分析EWT-BP组合模型和单一模型的预测精度。结果表明,EWTBP组合模型能够更好地反映电离层TEC的变化特征,组合模型TEC预测5 d内的平均相对精度为93.2%,比单一模型的预报精度提高了3%。 

【文章来源】：江西科学. 2020,38(06)

【文章页数】：6 页

【部分图文】：

3层BP网络结构图

图2为傅里叶频谱划分图，信号的傅里叶频谱自适应被划分N为个带宽不等的频带Λn，Λn=[ωn-1，ωn]，则有∪nN=1Λn=[0，π]，ωn为各个频带之间的界限(ω0=0，ωN=π)，以ωn为中心可以定义一个宽度为Tn=2τn的过渡区域，如图2中阴影部分所示。根据划分的频带Λn建立滤波器组，构造经验小波，经验小波由经验尺度函数和经验小波函数组成[11]。经验尺度函数可表达为:

图3为EWT-BP模型算法流程图。将EWT算法应用到电离层TEC数据处理当中，首先利用EWT将不同位置处的TEC时间序列进行分解，得到不同模态分量的子时间序列，再利用BP神经网络对不同分量进行预测，预测结果叠加得到最终预测值。具体步骤如下。

【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]基于EWT-ESN的短期风电功率预测研究[J]. 王新友,李青,郑少鹏.  太阳能学报. 2018(03)
[3]基于EMD-PSO-BP网络模型的大坝变形预测[J]. 秦旭元,刘立龙,陈军,陈发德,黄良珂,谢劭峰.  桂林理工大学学报. 2017(04)
[4]灰理论在电离层短期预报中的应用[J]. 胡勇,张衡阳,刘芸江.  计算机应用与软件. 2014(11)
[5]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)
[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]时间序列与神经网络组合方法在电离层TEC预报中的应用[J]. 陈必焰,戴吾蛟,蔡昌盛,匡翠林.  工程勘察. 2011(04)
[8]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)
[9]震前电离层TEC异常扰动的研究[J]. 林剑,吴云,祝芙英.  武汉大学学报(信息科学版). 2009(08)
[10]基于MATLAB的BP神经网络实现研究[J]. 徐远芳,周旸,郑华.  微型电脑应用. 2006(08)

博士论文
[1]基于GPS的电离层监测及延迟改正理论与方法的研究[D]. 袁运斌.中国科学院研究生院（测量与地球物理研究所） 2002

硕士论文
[1]电离层TEC预测模型的研究及应用[D]. 毛文飞.东华理工大学 2018
[2]基于成分分解的自适应滤波降噪方法研究[D]. 王莹.哈尔滨工业大学 2017
[3]基于时间序列、神经网络、灰色和组合预测对电离层TEC的预测研究[D]. 张禄.南京信息工程大学 2012



本文编号：3129840