论文部分内容阅读
利用行星际太阳风参数与太阳活动指数、地磁活动指数、电离层总电子含量格点化地图数据，首次基于一种能处理时间序列的深度学习递归神经网络（Recurrent Neural Network，RNN），建立提前24h的单站电离层TEC预报模型．对北京站（40°N，115°E）的预测结果显示，RNN对扰动电离层的预测误差低于反向传播神经网络（Back Propagation Neural Network，BPNN）O．49-1．46TECU，将太阳风参数加入预报因子模型后对电离层正暴预测准确率的提