期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
四种神经网络方法在电离层磁暴期TEC建模的对比分析
1
作者 朱佳豪 闫文林 +2 位作者 金宇峰 严泰明 王坚 《空间科学学报》 北大核心 2025年第5期1230-1242,共13页
电离层总电子含量(TEC)是描述电离层的重要参数,然而电离层经验模型对于磁暴期TEC的预测精度不够理想.针对这个问题,使用LSTM、BiLSTM、结合注意力机制的卷积神经网络-长短期记忆(CNN-LSTMAttention)以及结合注意力机制的卷积神经网络-... 电离层总电子含量(TEC)是描述电离层的重要参数,然而电离层经验模型对于磁暴期TEC的预测精度不够理想.针对这个问题,使用LSTM、BiLSTM、结合注意力机制的卷积神经网络-长短期记忆(CNN-LSTMAttention)以及结合注意力机制的卷积神经网络-双向长短期记忆(CNN-BiLSTM-Attention)神经网络模型进行电离层TEC预报的研究.根据Dst≤-30 nT的标准,确定了2004-2022年发生磁暴的时间段.在此基础上,结合多种时空参数(UTS与UTC,SA与AA,CHS与SHS),得到了4种适用于磁暴期TEC的预测模型.利用2023年磁暴期的TEC对四种模型的精度和可靠性进行验证.结果表明,CNN-BiLSTM-Attention模型的预测效果明显优于其他三种模型,其绝对平均误差(MAE)为0.882~5.270 TECU,均方根误差(RMSE)为1.175~6.983TECU,且预测结果与参考值之间存在较强的相关性,决定系数(R^(2))均在0.7以上.此外,该模型拟合函数的斜率整体上最接近于1,同样优于其他三种模型的拟合效果. 展开更多
关键词 电离层磁暴期 电离层总电子含量 长短期记忆网络 卷积神经网络 注意力机制
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部