论文部分内容阅读
电离层是日地空间环境的重要组成部分,对无线电通讯、导航、卫星定位和人类的空间活动有着重要的影响。电离层总电子含量（Total Electron Content,TEC）作为描述电离层特征的重要参量,对其进行预测分析一直是电离层研究的重点课题。针对电离层TEC数据非线性、高噪声等特点,本文引入两种方法对数据进行预处理,以此建立电离层TEC短期预报模型。主要研究内容如下:（1）针对电离层TEC数据非线性、非平稳的特点,本文将经验小波变换（Empirical Wavelet Transform,EWT）应用到电离层TEC的短期预报当中,基于分解-预报-重构的思想,建立EWT-ARMA组合模型对不同太阳活动年间的TEC数据进行预报研究,同时建立EWT-Elman神经网络预报模型对不同地磁环境下的TEC数据进行预报研究,结果表明,EWT能够提高两种预报模型在不同环境下的电离层TEC预报精度。（2）针对电离层TEC数据离散性和无序性的特点,本文引进Prophet模型对电离层TEC数据拟合预处理,对拟合处理的数据与残差数据分别进行模型预报,以此提高预报精度。首先,建立Prophet-ARMA残差修正模型对IGS中心提供的2010年同一时段不同位置和同一位置不同时段的TEC数据进行预报分析;同时建立Prophet-Elman残差修正模型对不同太阳活动年间的TEC数据进行预报分析,结果表明,将Prophet模型应用到Elman神经网络的电离层TEC预报当中,能够有效地提高TEC的预报精度。（3）针对电离层TEC受太阳活动和地磁环境等因素的影响,本文利用EWT-Elman组合预报模型和Prophet-Elman残差修正模型对不同太阳活动、不同地磁环境、不同纬度位置以及不同季节变化的电离层TEC数据进行预报研究,并与ARMA模型和Elman模型的预报结果进行对比。结果表明,EWT-Elman模型和Prophet-Elman残差修正模型在不同环境下的预报效果更好,且在不同的环境下各有其模型预报的优势。