基于Informer的电离层电子总量预测

doi:10.15966/j.cnki.dnydx.2024.z1.008

全文: PDF( KB)
输出: BibTeX | EndNote (RIS)

摘要

电离层会影响卫星导航和通信信号的传播和反射，而电离层总电子含量（TEC）则是评估电离层异常扰动的关键指标，因此，精准预测电离层 TEC具有重要意义。本研究从国际 GNSS服务（IGS）电离层分析中心获取全球 1999—2011年的电离层TEC的时间序列数据，时间分辨率为2小时。选取5个位置，构建了Informer模型预测未来24小时的TEC数据，为研究电离层异常扰动提供科学依据。在多个模型对比中，Informer模型的R-Squared和RMSE表现最佳，验证了Informer方法的可行性。

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	（）
	作者相关文章

关键词 ：电离层TEC, Informer, 时间序列, 深度学习

年卷期日期: 2024-02-01 出版日期: 2024-05-10

引用本文:

马艳　刘海军　贺忍　崔春杰　王高远　杨月巧. 基于Informer的电离层电子总量预测[J]. 电脑与电信, 2024, 1(1): 17-20.
MA Yan 　LIU Hai-jun 　HE Ren 　CUI Chun-jie WANG Gao-yuan YANG Yue-qiao. Prediction of Total Ionospheric Electron Content Based on Informer. Computer & Telecommunication, 2024, 1(1): 17-20.

链接本文:

https://www.computertelecom.com.cn/CN/10.15966/j.cnki.dnydx.2024.z1.008 或 https://www.computertelecom.com.cn/CN/Y2024/V1/I1/17

[1]	李春辉王小英张庆洁刘翰卓梁嘉烨高宁康. 基于多尺度卷积神经网络的DDoS攻击检测方法[J]. 电脑与电信, 2024, 1(6): 35-.
[2]	赵晗清陈新房, 杨丽佳汪世伟刘义卿. 基于LSTM的地下水水位预测及地震前兆异常分析[J]. 电脑与电信, 2024, 1(6): 68-72.
[3]	王瑾　王睿. 基于多尺度特征深度学习的人脸表情识别算法[J]. 电脑与电信, 2024, 1(5): 75-.
[4]	许然　杨黎娜　钟强. 基于SARIMA-ARCH的电量预测模型[J]. 电脑与电信, 2024, 1(5): 92-.
[5]	聂铖　王杰. 数据分析方法的研究与发展综述 [J]. 电脑与电信, 2024, 1(4): 200-25.
[6]	信博夫. 基于yolov5的弱光环境航拍车辆检测[J]. 电脑与电信, 2024, 1(1): 78-83.
[7]	苏萃文柴国强. 基于面部特征检测的人脸表情实时识别 [J]. 电脑与电信, 2023, 1(1-2): 17-21.
[8]	何宗熹蒋明忠谢铭霞庞家宝陈秋艳胡益博. 基于YOLOv8和人脸关键点检测的驾驶员疲劳驾驶识别算法设计[J]. 电脑与电信, 2023, 1(11): 1-6.
[9]	陈俊安陆庚有谢倩怡龚智慧刘建平彭绍湖. 图像去雾算法研究综述 [J]. 电脑与电信, 2022, 1(7): 63-.
[10]	管尧朱凯. 基于雾天条件下交通道路上的目标检测 [J]. 电脑与电信, 2022, 1(5): 69-.
[11]	张苗苗柴国强于海乐徐昊璇. 基于深度学习的面部特征检测与疲劳驾驶预警 [J]. 电脑与电信, 2022, 1(12): 1-.
[12]	包成耀丁霄霏戴立奇吴宗霖杨艳红. 基于YOLO的轻量化目标检测应用研究[J]. 电脑与电信, 2021, 1(8): 26-29.
[13]	徐铭源杨艳红. 基于深度学习的行李检测系统的设计[J]. 电脑与电信, 2021, 1(4): 36-40.
[14]	林珑. 基于模型的深度学习通信信号鲁棒识别算法[J]. 电脑与电信, 2021, 1(1): 20-22.
[15]	. 时间窗设置对综采工作面矿压预测精度的影响研究[J]. 电脑与电信, 2020, 1(4): 14-18.