基于QPSO-LSTM模型的电离层TEC预测

P352; 针对单一 LSTM模型的电离层TEC短期预报存在参数调整和性能优化困难导致预测精度低的问题,结合量子粒子群算法(Quantum Particle Swarm Optimization,QPSO)和LSTM模型,通过量子粒子群算法自适应确定最优解,优化LSTM模型的参数配置,并利用该模型预测2014年和2018年共三个时段的低、中、高纬度提前5 d的电离层TEC,对地磁活动的平静期和扰动期的电离层TEC预测精度进行实验分析.结果表明,经过QP-SO 优化的LSTM模型对TEC进行连续5 d预测时,相对于单一 LSTM模型,QPSO-LSTM模型在太阳活动低年均方根误差最多降低了 0....

Full description

Saved in:
Bibliographic Details
Published in空间科学学报 Vol. 44; no. 5; pp. 772 - 781
Main Authors 郭文韬, 孙希延, 纪元法, 贾茜子
Format Journal Article
LanguageChinese
Published 卫星导航定位与位置服务国家地方联合工程研究中心 桂林 541004%桂林电子科技大学广西精密导航技术与应用重点实验室 桂林 541004 2024
桂林电子科技大学信息与通信学院 桂林 541004
卫星导航定位与位置服务国家地方联合工程研究中心 桂林 541004
南宁桂电电子科技研究院有限公司 南宁 530031%桂林电子科技大学广西精密导航技术与应用重点实验室 桂林 541004
桂林电子科技大学广西精密导航技术与应用重点实验室 桂林 541004
Subjects
Prediction accuracy
预测精度
LSTM
Quantum particle swarm optimization
量子粒子群算法
地磁活动
Geomagnetic activity
Online AccessGet full text
ISSN0254-6124
DOI10.11728/cjss2024.05.2023-0143

Cover

More Information
Summary:P352; 针对单一 LSTM模型的电离层TEC短期预报存在参数调整和性能优化困难导致预测精度低的问题,结合量子粒子群算法(Quantum Particle Swarm Optimization,QPSO)和LSTM模型,通过量子粒子群算法自适应确定最优解,优化LSTM模型的参数配置,并利用该模型预测2014年和2018年共三个时段的低、中、高纬度提前5 d的电离层TEC,对地磁活动的平静期和扰动期的电离层TEC预测精度进行实验分析.结果表明,经过QP-SO 优化的LSTM模型对TEC进行连续5 d预测时,相对于单一 LSTM模型,QPSO-LSTM模型在太阳活动低年均方根误差最多降低了 0.34 TECU,而相对精度最多提高了 2.68％,而在太阳活动高年,低纬度地区均方根误差最多下降了 0.68 TECU,而相对精度在高纬度地区最多提高了 2.36％.从不同的角度对比分析发现,QPSO-LSTM 模型的预测精度均优于单一 LSTM模型.
ISSN:0254-6124
DOI:10.11728/cjss2024.05.2023-0143