组合模型的电离层总电子短期预报研究Research on combined model in short term ionospheric total electron prediction
王建敏,唐彦,吕楠,李特
摘要(Abstract)：
针对电离层总电子含量(TEC)是受到众多影响因素的非平稳性、非线性时间序列的问题，该文提出一种基于小波分解与埃尔曼(Elman)神经网络模型和差分自回归移动平均(ARIMA)模型组合的方法。利用db4小波对电离层TEC样本序列分解得到低频信息和高频信息，对高频信息采用ARIMA模型进行预报，对低频信息采用Elman神经网络模型进行预报，将ARIMA模型和Elman神经网络模型的预报值进行重构，从而得到电离层TEC的预测值。实验表明，组合模型在电离层平静期和活跃期预报的均方根误差分别为0.83、1.08 TECu,残差小于1 TECu的比例分别为80.28%、68.00%,较单一模型有了大幅的提升。
关键词(KeyWords)： 电离层;总电子含量;小波分解;埃尔曼神经网络;差分自回归移动平均模型
基金项目(Foundation): 国家自然科学基金项目(41474020)
作者(Author): 王建敏,唐彦,吕楠,李特
DOI: 10.16251/j.cnki.1009-2307.2022.04.005
参考文献(References)：
- [1]王喜江，边少锋，李子申，等．利用半参数核估计法预报全球电离层总电子含量[J]．地球物理学报，2020,63(4):1271-1281.(WANG Xijiang,BIAN Shaofeng,LI Zishen,et al.Prediction of global ionospheric TECusing the semiparametric kernel estimation method[J].Chinese Journal of Geophysics,2020,63(4):1271-1281．）
- [2]王宁波，袁运斌，李子申，等．不同NeQuick电离层模型参数的应用精度分析[J]．测绘学报，2017,46(4):421-429.(WANG Ningbo,YUAN Yunbin,LI Zishen,et al.Performance analysis of different NeQuick ionospheric model parameters[J].Acta Geodaetica et Cartographica Sinica,2017,46(4):421-429．）
- [3]王建敏，黄佳鹏，祝会忠，等．电离层TEC预报模型的卡尔曼滤波改进方法[J]．导航定位学报，2018,6(1):27-33.(WANG Jianmin,HUANG Jiapeng,ZHUHuizhong,et al.Improvement of forecasting models of ionospheric TEC by Kalman filter[J].Journal of Navigation and Positioning,2018,6(1):27-33．）
- [4]安家春，宁新国，王泽民，等．利用球冠谐函数和时间序列分析预报南极地区电离层[J]．武汉大学学报（信息科学版），2015,40(5):677-681.(AN Jiachun,NINGXinguo,WANG Zemin,et al.Antarctic ionospheric prediction based on spherical cap harmonic analysis and time series analysis[J].Geomatics and Information Science of Wuhan University,2015,40(5):677-681．）
- [5]TARIKU Y A.TEC prediction performance of the IRI-2012model over Ethiopia during the rising phase of solar cycle 24 (2009-2011)[J].Earth,Planets and Space,2015,67:140．
- [6]田睿，董绪荣．小波分解与Prophet框架融合的电离层VTEC预报模型[J]．系统工程与电子技术，2021,43(3):610-622.(TIAN Rui,DONG Xurong.Ionosphere VTEC prediction model fused with wavelet decomposition and Prophet framework[J].Systems Engineering and Electronics,2021,43(3):610-622．）
- [7]LI Shuhui,PENG Junhuan.Variability of ionospheric TEC and the performance of the IRI-2012model at the BJFS station,China[J].Acta Geophysica,2016,64(5):1970-1987．
- [8]汤俊，高鑫．贝叶斯正则化的Elman神经网络电离层TEC预报模型[J]．大地测量与地球动力学，2020,40,(8):799-805.(TANG Jun,GAO Xin.Prediction models of ionospheric TEC by Elman neural network with Bayesian regularization[J].Journal of Geodesy and Geodynamics,2020,40,(8):799-805．）
- [9]冯炜，张传定，吴星，等．全球电离层TEC的轮胎调和分析与预报[J]．测绘学报，2018,47(5):600-610.(FENG Wei,ZHANG Chuanding,WU Xing,et al.Torus harmonic analysis and prediction of global ionospheric TEC[J].Acta Geodaetica et Cartographica Sinica,2018,47(5):600-610．）
- [10]张小红，任晓东，吴风波，等．自回归移动平均模型的电离层总电子含量短期预报[J]．测绘学报，2014,43(2):118-124.(ZHANG Xiaohong,REN Xiaodong,WUFengbo,et al.Short-term TEC prediction of ionosphere based on ARIMA model[J].Acta Geodaetica et Cartographica Sinica,2014,43(2):118-124．）
- [11]刘立龙，陈军，黄良珂，等．基于小波-ARIMA电离层短期总电子含量预报[J]．桂林理工大学学报，2016,36(2):294-299.(LIU Lilong,CHEN Jun,HUANGLiangke,et al.TEC forecast of short-term ionosphere based on wavelet-ARIMA[J].Journal of Guilin University of Technology,2016,36(2):294-299．）
- [12]田祥雨，刘立龙，杨可可，等．BP神经网络和ARIMA模型的变权组合电离层TEC预报[J]．桂林理工大学学报，2019,39(4):899-904.(TIAN Xiangyu,LIULilong,YANG Keke,et al.Ionospheric TEC prediction based on variable weight combination of BP neural network and ARIMA model[J].Journal of Guilin University of Technology,2019,39(4):899-904．）
- [13]刘立龙，陈雨田，黎峻宇，等．活跃期区域电离层总电子短期预报及适用性分析[J]．武汉大学学报（信息科学版），2019,44(12):1757-1764.(LIU Lilong,CHENYutian,LI Junyu,et al.Short-term prediction and applicability analysis of regional ionospheric total electron content in active period[J].Geomatics and Information Science of Wuhan University,2019,44(12):1757-1764．）
- [14]王建敏，黄佳鹏，祝会忠，等．电离层总电子数预报方法研究[J]．测绘科学，2016,41(12):47-52.(WANGJianmin,HUANG Jiapeng,ZHU Huizhong,et al.Study of the ionosphere TEC forecasting method[J].Science of Surveying and Mapping,2016,41(12):47-52．）
- [15]鲍亚东，刘长建，柴洪洲．小波分解改进电离层VTEC时间序列预报模型[J]．大地测量与地球动力学，2015,35(5):784-787.(BAO Yadong,LIU Changjian,CHAI Hongzhou.Time series prediction model of ionospheric VTEC improved by wavelet decomposition[J].Journal of Geodesy and Geodynamics,2015,35(5):784-787.)