[發明專利]一種結合電離層層析技術的電離層TEC組合預測方法

有效

• 申請號: 202110880389.3
• 申請日: 2021-08-02
• 公開（公告）號: CN113591991B
• 公開（公告）日: 2023-10-17
• 發明（設計）人: 尹萍;閆曉鵬
• 申請（專利權）人: 中國民航大學
• 主分類號: G06F18/214
• 分類號: G06F18/214;G06N3/0442;G06N3/084;G01S19/37
• 代理公司: 天津才智專利商標代理有限公司 12108
• 代理人: 龐學欣

一種結合電離層層析技術的電離層TEC組合預測方法。其包括利用電離層層析算法求取預測區域的電離層電子密度、計算垂直方向的總電子含量VTEC，利用IRI模型計算預測區域的VTEC；基于上述兩種VTEC構建組合預測模型，實現模型訓練，模型預測、模型測試結果以及模型的精度分析；本發明效果：首先利用長短期記憶LSTM模型對層析垂直總電子含量VTEC進行預測，進一步利用BP神經網絡對LSTM模型與IRI模型的預測結果進行非線性擬合，由此改善了單一預測模型的弊端，較好地實現了對電離層垂直總電子含量VTEC的時序預測。

技術領域

本發明屬于電離層探測技術領域，特別是涉及一種基于電離層層析技術的電離層TEC預測方法。

背景技術

在利用無線電信號進行高精度測速、定位以及其它工作的系統中，必須消除電離層引起的時延和折射誤差，這些誤差是與電離層中總電子含量成正比的；利用電離層電子含量(TEC)的實測值來消除上述系統的誤差是最準確的，但是在諸多無線電系統的設計和需求中，或者在缺失TEC實測值時，必須采用某種電離層模式計算所需的電離層TEC，進而估算出電離層引起的誤差。

目前，在利用經驗模型預測電離層TEC的研究中，國際參考電離層IRI(International Reference Ionosphere)模型是最有效且被廣泛認可接受的電離層經驗模型，該模型基于電離層、非相干散射雷達、衛星資料、探空火箭資料等，融匯了多個大氣參數模型，能夠描述電離層電子密度、垂直總電子含量、電子溫度、離子組成、離子溫度等諸多參數。由于驅動IRI模型的電離層指數IG12、太陽黑子指數R12均為月平均值，這導致了單一的IRI模型不能滿足對高時間分辨率和高精度的電離層TEC預測值的需求。

電離層層析作為一種全天候、大范圍的電離層探測技術，具有費用低、操作簡單、探測范圍廣等諸多優勢，對于電離層不同尺度結構變化及全球電離層環境監測具有重要意義。隨著電離層層析技術的發展，層析反演的精度也隨之提高，反演結果漸漸靠近理想狀態。因此將電離層層析反演得到的垂直總電子含量VTEC作為預測的樣本數據是極具意義的。

隨著神經網絡的發展，諸多學者將深度學習與神經網絡模型應用到對電離層TEC的預測工作中。袁天嬌等利用星際太陽風參數與太陽活動指數、地磁活動指數、電離層總電子含量格點化地圖數據，首次基于一種能處理時間序列的深度學習遞歸神經網絡(Recurrent Neural Network,RNN)，建立提前24h的單站電離層TEC預報模型。吉長東等運用總體經驗模態分解和深度學習長短期記憶神經網絡，構建了EEMD-LSTM預測模型。張富彬等采用編碼器-解碼器結構配合卷積優化的長短時記憶(long short memory,LSTM)模型實現了全球電離層TEC預測。但是上述預測方法均存在隨著預測時間的增加，預測精度也會隨之下降的現象。

發明內容

為了解決上述問題，本發明的目的在于提供一種基于電離層層析技術的電離層TEC預測方法。

為了達到上述目的，本發明提供的基于結合電離層層析技術的電離層TEC組合預測方法包括按順序進行的下列步驟：

1)基于GPS觀測數據，利用電離層層析算法求取預測區域的電離層電子密度x；

2)利用步驟1)中得到的電離層電子密度x，獲得基于電離層層析算法的垂直總電子含量VTEC序列T₁,T₂,...,T_n；

3)對步驟2)中得到的基于電離層層析算法的垂直總電子含量VTEC序列T₁,T₂,…,T_n進行標準化處理，然后分為訓練集與測試集，并訓練擬合LSTM模型，利用迭代預測的方法獲得基于訓練集的預測垂直總電子含量VTEC序列及基于測試集的預測垂直總電子含量VTEC序列；