集合卡尔曼滤波在电离层短期预报中的应用

提出了一种利用集合卡尔曼滤波对电离层f0F2短期预报结果进行优化的方法. 利用训练好的神经网络对f0F2进行提前1~24 h的预报, 考虑前一天预报误差的反馈信息, 动态跟踪 f0F2的变化趋势, 引入集合卡尔曼滤波对神经网络的预报结果实行进一步修正和优化. 实验结果表明, 此方法的预报效果优于单纯的神经网络模型和IRI模型. 此方法还可以应用于其他电离层参量的短期预报.      

利用神经网络预报中国地区电离层f0F2

利用神经网络技术并考虑太阳和地磁活动对电离层的影响,提出了一种提前5 h预报中国地区电离层临界频率f0F2的方法.网络输入包括时间、季节、地理纬度、太阳天顶角、最近一天的12个观测值(F-23,F-22,F-21,F-20,F-19,F-18,F-5,F-4,F-3,F-2,F-1,F0)和前30天滑动平均值(A-24,A-23,A-22,A-4,A-3A-2,A-1,A0),网络输出分别为未来5 h的f0F2值F+1,F+2,F+3,F+4,F+5.选取乌鲁木齐、长春、重庆和广州站1958-1968年间的数据训练网络,利用中国9个电离层站的历史数据检验网络,根据均方根误差衡量网络性能的好坏.结果表明,神经网络的预报结果能较好地符合实测数据.这说明利用神经网络实现中国地区电离层f0F2的时空预报是可行的.     

基于电离层暴时f_0F_2经验模型Kalman滤波短期预报

利用时间累积地磁指数印ap(T),建立了强地磁扰动条件下电离层f0F2与月中值相对偏差经验模型.该经验模型只在春秋季节和夏季特强地磁扰动条件ap(T)>100,即时间累积地磁指数大于100时达到理想精度.尝试利用气象预报中常用的Kalman滤波方法对模型的系数进行实时修正,以提高预报精度,并对长春站1986-1995年近一个太阳周f0F2数据进行提前一小时预报试验.冬季预报均方根误差为0.76MHz,春秋季节为0.68MHz,夏季为0.61MHz.在特强地磁扰动条件下,预测误差在0.87～1.43MHz之间.该预报方法同时与包含暴时修正模型STORM的国际参考电离层IRI2001进行了比较,展示了Kalman滤波方法实时修正模型系数的能力和良好的应用前景.     

利用神经网络预报电离层f0F2

由中国武汉电离层台站和澳大利亚Hobart台站的电离层F2层临界频率(f0F2)的资料,利用三层前向反馈神经网络(BP网络),提出一种提前24h预测f0F2的方法,该方法以前5天观测的f0F2数据拟合的5个系数以及太阳活动参数作为输入,以当天24 h的f0F2作为输出对网络进行训练,训练好的网络可以实现对f0F2提前24 h的预报.预测结果显示,利用神经网络预测的f0F2与实际观测结果变化趋势较一致,并且比IRI的计算结果更加准确.误差分析表明,在南半球Hobart(-42.9°,147.3°)台站比中国武汉站(30.4°,114.3°)的结果要好,在低年比高年要好,在冬夏季节比春秋季节稍好.本文说明利用神经网络对电离层参量进行预报是一种切实可行的方法.     

电离层f_0F_2参数提前24小时预测

利用中国9个垂测站(海口、广州、重庆、拉萨、兰州、北京、乌鲁木齐、长春、满洲里)一个太阳周(1976-1986年)的数据资料,采用三层前向反馈神经网络(BP网络)实现了电离层F2层临界频率(f0F2)参数提前24h预测.通过对f0F2参数的时间序列及其与日地活动之间进行相关分析,确定f(t)(当前时刻f0F2)、经过变换的F10.7指数等5个参数作为神经网络的输入参数,并通过同时段训练法获得不同时刻的预测值,本文与自相关分析法进行了预测性能比较.结果表明,上述方法构建的神经网络可以达到较高的预测精度.针对暴时数据,对神经网络算法进行了改进,提高了神经网络法对暴时数据的适用性.     

南极长城站电离层变化的数值模拟

南极长城站夏季电离层日变化具有Weddell海异常现象．本文利用一个一维时变理论模式，对长城站夏季电离层f0F2和hm日变化进行了数值模拟.我们讨论了中性风和顶部输运通量对f0F2和hm的影响，认为模拟计算得到的f0F2值比实测值要大的一个主要原因是国际参考电离层给出的上边界值偏大.文章最后介绍了一个获得实际的f0F2和hm的方法.     

NeQuick模式在亚太地区扇区电离层参数f0F2的预测能力

利用亚洲、澳大利亚地区8个电离层观测台站的F2层临界频率f0F2的历史观测数据,考察了NeQuick模式预报电离层基本参数f0F2在亚太扇区的适应性.对比分析表明,此模式能比较好地预测各地的F2层临界频率,其绝对误差在南半球各站相对北半球各站较大,太阳活动高年相对太阳活动低年较大,春秋季相对夏冬季较大.其误差均方根在太阳活动高年相对太阳活动低年较大.      

电离层数字测高仪被动接收观测模式研究

利用CADI(Canadian Advanced Digital Ionosonde)电离层数字测高仪平台,实现了新的电离层数字测高仪被动接收观测模式.利用新开发的观测模式,在观测台站开展了一系列实验观测研究,经过信号处理和信息提取,获得了电离层特征参量f0F2回归方程,高频信道背景噪声分布,电离层D层对电波的吸收等电离层探测信息.实验观测结果表明,所获取的f0F2与主动探测结果相关性在0.84以上,高频信道背景噪声分布以及电离层D层吸收状况与电离层实际分析结果相吻合.     

电离层暴时经验模型STORM在中国区域的适应性研究

利用中国区域内9个垂测站1976---1987年一个太阳活动周期的电离层暴时f0F2数据, 统计分析了电离层暴事件的等级, 以及不同等级的电离层暴随季节和地磁纬度的分布特征. 研究发现, 中小型电离层暴在春秋季发生的概率较大, 不同季节的发生次数与地磁纬度具有明显的关系. 利用STORM模型对电离层暴时f0F2和大型及特大型电离层暴时f0F2的预测值与月中值进行了比较. 结果表明, 除了冬季误差增大外, 发生电离层暴时STORM模型能够有效地改善月中值模型. 增加中国的暴时数据, 并提高对冬季的暴时参数f0F2的预测是改善STORM模型的重要因素. 建立合适的暴时指数来预测f0F2是未来研究的重点.      

卡尔曼滤波和自相关分析方法短期预报电离层f0F2的比较

电离层参数f₀F₂的预报是电离层研究的一个重要方向.本文选取2011年北京、长春、青岛和苏州四个常规观测站的f₀F₂数据,分别采用卡尔曼滤波、自相关分析法和国际参考电离层模型（IRI）对f₀F₂实施短期预报（提前1h预报）,并通过与实际观测数据的对比,对三种方法预报f₀F₂的性能进行了比较.研究结果表明,在磁平静时期,采用卡尔曼滤波方法进行f₀F₂预报的均方误差为0.532MHz,相对误差8.11%,比国际电离层参考模型的均方误差和相对误差分别降低1.47MHz和14.58%;采用自相关分析方法进行f₀F₂预报的均方根误差为0.967MHz,相对误差11.46%,比国际电离层参考模型的均方误差和相对误差分别降低1.035MHz和11.23%.比较结果说明二者对f₀F₂短期预报的精度相对于国际电离层参考模型均有大幅提升.对磁暴期间三种方法的预测性能做了进一步比较,试验结果表明卡尔曼滤波短期预报性能总体上优于自相关分析法,这为f₀F₂短期预报的方法选择提供了一定指导.      

地磁场与电离层异常现象及其与地震的关系

利用中国地磁台网与电离层台站资料,总结了大地震前出现的地磁低点位移、地磁日变异常及电离层f0F2(F2层临界频率)异常现象.对比研究了1997年11月8日玛尼7.5级与2001年11月14日昆仑山口西8.1级地震前磁场与电离层异常分布及特征.结果显示,两次巨大地震前磁场与电离层短临异常时空分布特征有较好的一致性,震中周围出现日变异常、拉萨台出现电离层f0F2明显异常;震前约1个月出现地磁低点位移,其突变分界线通过震中地区.      

基于相空间重构的f_0F_2一步预测算法研究

利用低纬度地区某垂测站2005年3月和4月两个月,f0F2参数共5856个数据样奉,对提前15min的一步预测算法进行了研究.基于混沌时间序列的相空间重构方法,以相近邻点轨迹具有相似性为预测理论基础,采用k最近邻点的方法对下一时刻的,f0F2进行预测.对邻点个数的选取采用了训练法和自适应选择法,对选出的邻点采用平均法和自回归两种方法进行处理,并对几种不同方法的预测结果进行了比较.结果证明,基于相空间重构的一步预测算法预测精度较高,并且容易实现,运算速度高,适用于电离层参数准实时预报.     

Using Back Propagation Neural Network Method to Forecast Daily Indices of Solar Activity F10.7

The solar 10.7 cm radio flux，F_10.7，a measure of the solar radio flux per unit frequency at a wavelength of 10.7 cm，is a key and serviceable index for monitoring solar activities.The accurate prediction of F_10.7 is of significant importance for short-term or long-term space weather forecasting. In this study，we apply Back Propagation （BP） neural network technique to forecast the daily F_10.7 based on the trial data set of F_10.7 from 1980 to 2001.Results show that this technique is better than the other prediction techniques for short-term forecasting，such as Support Vector Regression method.      

新版亚大地区F2电离层频率预测方法

新版亚大地区F2电离层频率预测方法根据电离层参量与太阳黑子数12个月流动平均值R12的互相关原理, 使用R12代替了由重庆F2层临界频率导出的电离层指数Ic, 减小了R12转换为Ic时的误差; 并在原亚大地区F2电离层频率预测方法的基础上审慎地选择并增补了一些探测站的大量数据, 不再使用三组不 同R12值的B系数去插值, 避免了中间环节所带来的插值误差. 并对几种不同方法的预测结果进行了比较, 结果显示新版本的预测精度较高.