组合式深度学习的电离层TEC短期预报模型

作     者：韦律权 黎峻宇 刘立龙 黄良珂 杨芸珍 魏朋志 WEl Lyuquan;LI Junyu;LlU Lilong;HUANG Liangke;YANG Yunzhen;WEl Pengzhi

作者机构：广西水利电力职业技术学院广西南宁530023 桂林理工大学测绘地理信息学院广西桂林541004 广西空间信息与测绘重点实验室广西桂林541004 

出 版 物：《测绘科学技术学报》 (Journal of Geomatics Science and Technology)

年 卷 期：2024年第40卷第4期

页      面：369-374页

学科分类：08[工学] 081601[工学-大地测量学与测量工程] 0816[工学-测绘科学与技术] 

基　　金：国家自然科学基金项目(42064002) 广西科技计划项目(2020GXNSFBA297145) 2024年度广西高校中青年教师科研基础能力提升项目(2024KYZD03) 

主　　题：电离层 Q学习 遗传算法改进BP神经网络 长短时记忆网络 组合模型 预报模型 

摘      要：针对磁暴期间电离层总电子含量TEC异常扰动导致预报精度大幅降低的问题,提出基于强化学习的Q学习算法,对遗传算法优化BP神经网络模型和长短时记忆网络模型进行优化组合,进而建立了一种组合式深度学习的电离层TEC预报模型。分别利用组合模型、两个单一模型对CODE提供的中国地区TEC数据进行3 d预报。结果表明,在不同磁暴等级(强、中、弱、无)下,组合模型预报的平均相对精度分别为95.9%、95.7%、92.6%和95.3%,较两个单一模型平均提高了约6%;其中预报残差小于1 TECu的占比分别达到60%、59%、76%和98%,相比两个单一模型平均提升了约27%。