检索结果-南通市图书馆

An Improved Extreme Learning Machine prediction Model for ionospheric Total Electron Content

Journal of Geodesy and Geoinformation Science 2023年第1期6卷 1-10页

作者： Jianmin WANG Jiapeng HUANG School of Geomatics Liaoning Technical UniversityFuxin 123000China

Earth’s ionosphere is an important medium for navigation,communication,and radio wave transmission.Total Electron Content(tec)is a descriptive quantify for ionospheric research.However,the traditional empirical model could not fully consider the changes of tec time series,the prediction accuracy level of tec data performed not high.In this study,an improved Extreme Learning Machine(ELM)model is proposed for ionospheric tec prediction.Improvements involved the use of Empirical Mode Decomposition(EMD)and a Fuzzy C-Means(FCM)clustering algorithm to pre-process data used as input to the ELM model.The proposed model fully uses the tec data characteristics and expected to perform better prediction accuracy.tec measurements provided by the Centre for Orbit Determination in Europe(CODE)were used to evaluate the performance of the improved ELM model in terms of prediction accuracy,applicable latitude,and the number of required training samples.Experimental results produced a Mean Relative Error(MRE)and a Root Mean Square Error(RMSE)of 8.5%and 1.39 tecU,respectively,outperforming the ELM algorithm(RMSE=2.33 tecU and MRE=17.1%).The improved ELM model exhibited particularly high prediction accuracy in mid-latitude regions,with a mean relative error of 7.6%.This value improved further as the number of available training data increased and when 20-doys data were trained,achieving a mean relative error of 4.9%.These results suggest the proposed model offers higher prediction accuracy than conventional algorithms.

关键词： ELM model EMD FCM incentive function ionospheric tec prediction

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：