組合式深度學習的電離層TEC短期預報模型

摘要： 針對磁暴期間電離層總電子含量TEC異常擾動導致預報精度大幅降低的問題，提出基于強化學習的Q學習算法，對遺傳算法優(yōu)化BP神經網(wǎng)絡模型和長短時記憶網(wǎng)絡模型進行優(yōu)化組合，進而建立了一種組合式深度學習的電離層TEC預報模型。分別利用組合模型、兩個單一模型對CODE提供的中國地區(qū)TEC數(shù)據(jù)進行3 d預報。結果表明，在不同磁暴等級(強、中、弱、無)下，組合模型預報的平均相對精度分別為95....