BP神经网络在电离层TEC非平稳时间序列预报中的应用

摘要

电离层延迟误差是卫星导航定位误差中的主要误差之一，电离层总电子含量（TEC）是引起电离层延迟误差的一个主要参量。认识和掌握TEC变化规律，并对其进行高精度预测，可为消除电离层延迟误差研究提供重要资料。基于BP神经网络模型具有极强的非线性映射能力，在非平稳时间序列预报应用中能充分发挥其优势。本文将对电离层TEC变化特征以及BP神经网络在该领域进行研究和分析。本文主要研究内容有：
　　1.利用IGS中心提供的2014年电离层GIM数据计算南北半球不同纬度圈上6个格网点的电离层TEC自相关函数，对电离层TEC变化特性进行分析；再计算太阳黑子、地磁指数以及其他影响因子与电离层TEC的相关系数。通过分析，得到以下结论：（1）电离层 TEC变化呈非平稳特征，且从高纬度到低纬度的非平稳性逐渐增强。（2）太阳黑子与TEC的相关系数超过0.2，TEC变化受太阳黑子的影响。（3）地磁指数与TEC的平均相关系数也超过0.2，Dst、Kp、AE指数影响着TEC变化。（4）往年电离层TEC与本年对应电离层TEC的相关系数超过0.8，可将往年对应TEC值作为影响因子考虑到预报工作中。
　　2.利用IGS中心提供的2014年中国及周边地区375个格网点的电离层TEC为实验数据，将2012年和2013年对应TEC加入BP网络模型中参与训练并进行短期预报；将太阳黑子数和地磁指数（Dst、Kp、AE指数）加入网络模型中参与训练并进行中长期预报。最后将预报结果与未顾及影响因子的BP神经网络模型和时间序列模型进行对比，实验结果表明：（1）顾及影响因子的F-BP模型、未顾及因子的N-BP模型和时间序列ARIMA模型的结果均比Klobuchar等传统模型精度高；其中F-BP模型的预报精度又优于N-BP模型和ARIMA模型，ARIMA模型预报精度优于N-BP模型。（2）将影响电离层TEC变化的因子加入BP神经网络输入层，能使网络训练更具方向性和引导性，从而更好地对非平稳电离层TEC进行仿真，得到更高精度的预报结果。（3）顾及影响因子的BP神经网络模型适用于非平稳变化的电离层TEC预报中。

目录

声明

第1章 绪论

1.1电离层简介

1.2 研究目的和意义

1.3 国内外研究现状

1.4 本文主要工作内容

第2章 BP神经网络基本原理

2.1 神经网络模型

2.2 神经网络的训练学习

2.3 BP神经网络

2.4本章小结

第3章 电离层TEC变化特征分析

3.1电离层总电子含量

3.2数据与方法介绍

3.3 电离层TEC特性分析

3.4 本章小结

第4章 BP神经网络模型在电离层TEC预报中的应用

4.1 基于BP神经网络的TEC短期预报

4.2 基于BP神经网络的TEC中长期预报

4.3 本章小结

第5章 总结与展望

5.1 总结

5.2 展望

参考文献

个人简历、攻读硕士期间发表的学术论文与参加的科研项目

一、个人简历

二、攻读硕士期间发表的学术论文

三、攻读硕士期间参加的科研项目

致谢