利用粒子群算法改进电离层TEC预报模型

摘要

针对电离层TEC预报神经网络模型参数选择复杂度高的问题,引入粒子群算法优化改进LSTM神经网络模型参数,以提高其预报精度。利用IGS中心提供的低、中、高纬度电离层TEC数据,根据太阳活动选取两个时段进行预报,将预报结果与IGS中心提供的TEC值进行对比分析。实验结果表明,PSO-LSTM模型预报效果最优,太阳活动平静期预报均方根误差为0.81 TECu,平均相对精度为91.72%;太阳活动剧烈期预报均方根误差为1.25 TECu,平均相对精度为80.98%,通过对比分析表明改进模型在预报精度和稳定性方面相比传统模型均有提升。