基于Chaos-MEA-Elman的电离层临界频率f 0 F 2 预测
发布时间:2021-10-27 10:03
针对飞机高频通信中通信频率选择不当导致信号衰落等问题,提出一种基于混沌理论和思维进化算法优化的Elman神经网络相结合的临界频率f0F2预测方法。分析和验证f0F2时间序列的混沌特性;采用混沌理论重构技术重建f0F2时间序列的相空间,并根据相空间结构确定Elman神经网络各层节点个数;利用思维进化算法优化Elman神经网络的初始权值和阈值。数值和实验分析表明,Chaos-MEA-Elman算法比Elman神经网络对电离层临界频率f0F2的预测精确度更高,为预测飞机最佳通信频率提供新的方法。
【文章来源】:计算机应用与软件. 2020,37(04)北大核心
【文章页数】:6 页
【文章目录】:
0 引 言
1 电离层参数的混沌特性
1.1 电离层参数重构
1.2 重构参数计算
1.3 混沌特性检验
2 电离层参数预测模型
2.1 Elman神经网络
2.2 隐含层神经元个数确定
2.3 MEA算法优化神经网络
2.4 频率预测评价标准
3 f0F2实例预测
4 结 语
【参考文献】:
期刊论文
[1]遗传算法优化神经网络的热轧带钢弯辊力预报模型[J]. 王振华,龚殿尧,李广焘,张殿华. 东北大学学报(自然科学版). 2018(12)
[2]混沌系统相空间重构参数选取的仿真研究[J]. 行鸿彦,刘刚. 计算机仿真. 2018(07)
[3]基于MEA-WNN的短波通信最佳频率预测[J]. 赵德群,陈鹏宇,孙光民,段建英,苏晋海. 北京工业大学学报. 2018(02)
[4]BP神经网络隐含层节点数确定方法研究[J]. 王嵘冰,徐红艳,李波,冯勇. 计算机技术与发展. 2018(04)
[5]基于BP神经网络的短波通信信道预测方法[J]. 张想,李明齐,王潮. 工业控制计算机. 2017(10)
[6]MEA优化BP神经网络的电主轴热误差分析研究[J]. 谢杰,黄筱调,方成刚,张虎,周宝仓. 组合机床与自动化加工技术. 2017(06)
[7]基于MEA-Elman神经网络的光伏发电功率短期预测[J]. 艾格林,孙永辉,卫志农,葛夕武,孙国强,吴国梁. 电网与清洁能源. 2016(04)
[8]基于IRI-2012模型广州地区f0F2实测与预测的对比分析[J]. 万德焕,黄江,邓柏昌,徐杰,孔德宝,林果果. 空间科学学报. 2015(02)
[9]高频频率预测方法中国区域的精细化研究[J]. 王健,冯晓哲,赵红梅,付炜,姬生云,王佩. 地球物理学报. 2013(06)
[10]小数据量法计算最大Lyapunov指数的参数选择[J]. 杨永锋,仵敏娟,高喆,吴亚锋,任兴民. 振动.测试与诊断. 2012(03)
本文编号:3461379
【文章来源】:计算机应用与软件. 2020,37(04)北大核心
【文章页数】:6 页
【文章目录】:
0 引 言
1 电离层参数的混沌特性
1.1 电离层参数重构
1.2 重构参数计算
1.3 混沌特性检验
2 电离层参数预测模型
2.1 Elman神经网络
2.2 隐含层神经元个数确定
2.3 MEA算法优化神经网络
2.4 频率预测评价标准
3 f0F2实例预测
4 结 语
【参考文献】:
期刊论文
[1]遗传算法优化神经网络的热轧带钢弯辊力预报模型[J]. 王振华,龚殿尧,李广焘,张殿华. 东北大学学报(自然科学版). 2018(12)
[2]混沌系统相空间重构参数选取的仿真研究[J]. 行鸿彦,刘刚. 计算机仿真. 2018(07)
[3]基于MEA-WNN的短波通信最佳频率预测[J]. 赵德群,陈鹏宇,孙光民,段建英,苏晋海. 北京工业大学学报. 2018(02)
[4]BP神经网络隐含层节点数确定方法研究[J]. 王嵘冰,徐红艳,李波,冯勇. 计算机技术与发展. 2018(04)
[5]基于BP神经网络的短波通信信道预测方法[J]. 张想,李明齐,王潮. 工业控制计算机. 2017(10)
[6]MEA优化BP神经网络的电主轴热误差分析研究[J]. 谢杰,黄筱调,方成刚,张虎,周宝仓. 组合机床与自动化加工技术. 2017(06)
[7]基于MEA-Elman神经网络的光伏发电功率短期预测[J]. 艾格林,孙永辉,卫志农,葛夕武,孙国强,吴国梁. 电网与清洁能源. 2016(04)
[8]基于IRI-2012模型广州地区f0F2实测与预测的对比分析[J]. 万德焕,黄江,邓柏昌,徐杰,孔德宝,林果果. 空间科学学报. 2015(02)
[9]高频频率预测方法中国区域的精细化研究[J]. 王健,冯晓哲,赵红梅,付炜,姬生云,王佩. 地球物理学报. 2013(06)
[10]小数据量法计算最大Lyapunov指数的参数选择[J]. 杨永锋,仵敏娟,高喆,吴亚锋,任兴民. 振动.测试与诊断. 2012(03)
本文编号:3461379
本文链接:https://www.wllwen.com/projectlw/dqwllw/3461379.html