摘要
利用国际GNSS服务组织(IGS)提供的东经115°经线上不同纬度处一年的电离层总电子含量(TEC)时间序列数据,研究了如何进一步提高基于神经网络方法预测电离层TEC的效果。研究表明:电离层TEC的预测误差与电离层TEC时间序列的最大Lyapunov指数与该序列均值的乘积具有较强的相关性;而且与时间延迟和嵌入维数的选择是否恰当也有着密切关系。
Using the IGS（International GNSS Service） provided one-year time series of ionospheric TEC（Total Electron Content） data at different latitudes with the same longitude .of 115° east, how to improve the predicted result of ionospheric TEC through Neural Networks methods was studied. Results showed that the prediction error greatly correlates with the product of the maximum Lyapunov exponent and the average value of TEC time series, and also have close relationship with the selection of the time delay and embedded dimension number.
出处
《测绘科学技术学报》
北大核心
2012年第4期267-270,共4页
Journal of Geomatics Science and Technology
基金
国家自然科学基金项目(41104025
41074009)
国土资源部公益性行业科研专项(200911015)
关键词
电离层
总电子含量
混沌
神经网络
预测
ionosphere
TEC（Total Electron Content）
chaos
neural network
prediction
