一种改进Elman神经网络的电离层TEC预报方法

周强波

(核工业二三〇研究所, 湖南 长沙 410007)

电离层作为日地空间环境的重要组成部分，是地球高空大气层中的电离区域，其主要分布在距地面约60～1 000 km的范围内。研究表明，电离层产生的异常扰动会对无线电通信系统、卫星导航定位系统、雷达探测系统等电波信号的传播产生重要的影响[1]。因此，进行电离层活动状态的监测与研究有助于降低空间环境异常对人类生活的影响。作为表征电离层特征的一个量化指标，对电离层总电子含量(Total Electric Content, TEC)的预报及监测有利于进一步研究近地空间环境的变化。为了进一步优化电离层TEC预测模型，众多学者进行了不同模型的尝试并取得了一定研究成果。时间序列模型是一种线性预测算法，因其结构简单并且具备良好的预测性能，诸多学者利用时间序列模型进行短期电离层TEC预测，取得较好的预测效果[2-4]。由于时间序列模型表现出预测精度随着预报时间增长精度逐渐降低，有学者提出将BP神经网络模型应用在电离层TEC预测领域，结果表明神经网络模型较时间序列模型有着更优的计算速度及预报精度[5-7]。然而越来越多的研究表明，传统BP神经网络在数据训练过程中极易陷入局部最小值的“死循环”中，进而避开真正的最优值，在模型的稳定性上也存在不足[8]。另一方面，由于电离层TEC具有非线性、非平稳性及非周期性等特点，使得其原始数据序列规律复杂多变[9]。因此有必要对TEC原始数据序列在建模前进行预先处理，降低原始数据的复杂性。……