基于SSA-Elman神经网络的电离层TEC短期预报模型

摘要

针对基于神经网络的电离层TEC短期预报存在精度较低、易陷入局部最优的问题,利用CODE中心提供的TEC数据及地磁活动指数,建立基于麻雀搜索算法(SSA)改进Elman神经网络的电离层TEC短期预报模型,并通过BP模型、Elman模型及SSA-Elman组合模型分别对电离层平静期和扰动期中低纬度TEC进行5 d连续预报。实验结果表明,利用优化后的Elman神经网络模型对TEC进行连续5 d预报时,单个年积日的均方根误差最优可达1.443 TECu,相关系数最优可达0.976,优于BP模型和Elman神经网络模型。