基于时间序列、神经网络、灰色和组合预测对电离层TEC的预测研究

论文摘要

电离层TEC是一个重要的电离层特征参数,时间和空间变化的无线通信,雷达,导航系统,特别是对卫星通信系统有很大的影响。目前,已有多种预测方法在各个领域中发挥重要作用的电离层预报技术,许多学者已做了很多工作。在本文中,根据2010年德令哈电离层数据,使用适当的数据处理方法,对中国德令哈地区电离层TEC预测方法进行了研究。首先对电离层TEC预报数据处理和插值方法进行了研究。对电离层TEC的原始数据,采用斜向技术的数据,根据GPS接收站点密度使用不同的数据处理方法,得到各站垂直TEC的时序系列。对电离层TEC数据,接收器故障或其他原因所造成的缺值,用自相关方法进行时间内插,实现更高精度的插补,插补误差和遗漏值的长度都满足了需要。论文对电离层TEC时间序列方法的预报进行了研究。时间序列有很多的模型,对非平稳时间序列需先进行差分消除其趋势,满足平稳条件后再进行建模,即ARIMA模型,由于本文最后选定ARIMA模型对TEC值进行预测。通过SAS软件进行编程,用逆相关系数、自回归系数、AIC,SBC指数等参数确定模型的各个参数,最后用得到的模型再用前11个月的数据对12月的TEC值进行预测。实验结果满足预先要求。论文对电离层TEC神经网络的预测进行了研究。人工神经网络是对生物神经系统的模仿。随着时代的发展神经网络模型也得到了发展,有众多的模型,其中BP神经网络模型是最为常用的模型,体现了神经网络的精髓。本文采用BP神经网络模型对德令哈12月的TEC值进行了预测。并且和ARIMA模型的预测结果进行了对比。论文对电离层TEC灰色模型的预测进行了研究。灰色GM(1,1)模型在很多数据量比较少的预测中有很好的表现,本文通过多个方面的探索,找到了用GM(1,1)模型进行大量TEC数据的预报方法,并且和上面两种方法进行了比较,三种预测方法各有优点缺点,但是结果基本满足要求。上面三种预测方法各有各的优势,但也有缺陷。更好的做法是将不同的模型组合在一起,博采众长,利用每一种方法的有用信息,从而达到更好地预测效果,提高预测精度,这种预测方法就是组合预测。本文分别采用了线性组合预测和非线性组合预测,对上面三种方法进行了优化,并且对结果进行了比较。结果表明组合预测方法所得结果比以上三种方法得到了提高。最终每种独立的方法预测结果都达到了预期的效果,误差小于3的比例在65%以上,小于5的在85%以上。经过组合预测方法优化以后结果明显优于独立的预测方法,尤其是非线性组合预测方法,优化的结果误差小于3的在70%以上,小于5的在97%以上。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 工作主要背景
• 1.2 电离层简介
• 1.2.1 电离层发现的历史
• 1.2.2 电离层探测手段
• 1.2.3 电离层模型理论探索状况
• 1.2.4 电离层对通信以及导航定位的影响
• 1.3 电离层物理研究近期成果
• 1.3.1 各国在电离层天气预报的工作
• 1.3.2 电离层天气预报
• 1.4 总电子含量介绍
• 1.5 本文要研究的内容
• 第二章 电离层TEC的数据处理
• 2.1 电离层TEC数据获取
• 2.1.1 电离层单层模型及GPS/TEC观测方法
• 2.1.2 电离层TEC数据处理
• 2.2 电离层TEC数据的时序内插
• 2.2.1 自相关分析法原理
• 2.2.2 内插方法的形成及其插值误差
• 2.3 预测理论分析
• 2.3.1 神经网络理论介绍
• 2.3.2 灰色系统理论介绍
• 2.3.3 时间序列理论
• 第三章 时间序列对电离层TEC的预测研究
• 3.1 时间序列模型建模思路
• 3.1.1 ARIMA（p,d,q）建模思想
• 3.2 预测分析与讨论
• 3.2.1 实验过程
• 3.2.2 实验结果
• 3.2.3 结果讨论
• 3.3 本章小结
• 第四章 人工神经网络对TEC的预测
• 4.1 神经网络模型建模思路
• 4.2 预测分析与讨论
• 4.2.1 实验过程
• 4.2.2 实验过程
• 4.2.3 结果讨论
• 4.3 本章小结
• 第五章 电离层TEC的灰色预测
• 5.1 灰色预测模型建模思路
• 5.1.1 GM（1,1）模型建模原理
• 5.1.2 GM（1,1）模型的适用范围
• 5.1.3 GM（1,1）模型的误差分析
• 5.2 预测结果与讨论
• 5.2.1 实验过程
• 5.2.2 TEC的单时刻灰色预测分析
• 5.2.3 实验改进
• 5.2.4 结果讨论
• 5.3 本章小结
• 第六章 组合预测
• 6.1 组合预测模型预测思路
• 6.1.1 线性组合预测建模思想
• 6.1.2 非线性组合预测建模思想
• 6.2 预测结果与讨论
• 6.2.1 实验结果
• 6.2.2 三种线性组合预测结果比较
• 6.5 非线性组合预测建模思路
• 6.6 本章小结
• 第七章 总结与展望
• 7.1 全文总结
• 7.2 研究展望
• 7.3 创新点
• 参考文献
• 致谢
• 攻读硕士学位期间发表论文情况
• 攻读硕士学位期间参与项目情况
• 附录