[发明专利]一种利用神经网络预测电离层频率扩展F发生概率的方法

说明书

一种利用神经网络预测电离层频率扩展F发生概率的方法，包括：步骤A.从foF2数据中读取电离层频率扩展F的信息，并计算其发生概率；步骤B.找出与foF2数据同时刻的F10.7指数和Dst指数，与foF2数据合成样本数据集；步骤C.从样本数据集中分出训练数据和测试数据，利用神经网络算法对电离层频率扩展F的发生概率P进行反演，通过反复对训练数据进行训练，生成电离层频率扩展F的发生概率P的预测模型，并利用测试数据进行测试，直到预测模型达到要求的精度为止；步骤D.通过训练好的预测模型对电离层频率扩展F发生概率进行预测。本发明能够实时、快速、高精度的预测电离层扩展F发生概率，模型能应用于其他预测系统中。

技术领域

本发明属于电离层扩展F发生概率预测领域，具体涉及一种利用神经网络预测电离层频率扩展F发生概率的方法，实现高精度的、快速的预测电离层扩展F是否发生。

背景技术

由于太阳紫外线、X射线辐射以及宇宙射线或微粒辐射的共同作用，高层的地球大气会被部分电离，产生自由电子和离子，形成了由自由电子、正离子以及中性分子和原子组成的等离子体，这个等离子体层称之为电离层(60～1000公里)。由于电离层的电子浓度随高度的变化而变化，常常会出现几个电子浓度的极大值区，称之为层。根据电子密度分布的不同，电离层通常可分为四个区域：即D、E、F层和顶部电离层。

1938年，Booker和Wells首次提出了电离层扩展F的概念。他们在利用电离层垂直探测仪观测夜间磁赤道地区的电离层时，发现电离层回波的F层高度范围内经常呈现的不是清晰的线状描迹，而是发生了由于漫反射引起的回波弥散现象，说明这一区域有不规则体的存在，因此就将这种在电离层F区突发的不规则结构定义为扩展F。探测电离层扩展F最常用的设备是电离层垂直探测仪。URSI手册(国际无线电科学联盟，International Unionof Radio Science)中将电离层扩展F分为4种：频率型(Frequency Spread-F，简称FSF)、距离型(Range Spread-F，简称RSF)、混合型(Mixed Spread-F，简称MSF)和歧型(Spur SpreadF，简称BSF)。

上世纪末，印度学者Abdu就利用三次样条插值法对巴西地区电离层扩展F的发生概率进行了预测。这种插值方法以太阳、地磁活动指数、经纬度信息、时间等作为参数，得到了比较好的效果，并被国际参考电离层模型(IRI模型)采纳。利用该模型可预测巴西乃至全球地区月平均电离层扩展F的发生概率，但由于该模型在构建时就缺乏中国地区的电离层垂直探测数据，因此IRI模型给出的中国地区电离层扩展F发生概率和实测的结果偏差较大。此后又有国内学者徐彤采用傅里叶级数展开的算法对中国地区电离层扩展F的发生概率进行了预测，通过与实测结果对比，发现该模型的预测精度较IRI模型的预测精度有所提高，但仍不能满足工程应用的需要。以上常用的两种方法都存在计算量大、时间长、精度低等问题。

发明内容

本发明的目的在于针对上述现有技术中预测电离层扩展F不能提供实时数据、精度不足、计算量大以及耗时长的问题，提供一种利用神经网络预测电离层频率扩展F发生概率的方法，能够实时、快速、高精度的预测电离层扩展F发生概率，模型能应用于其他预测系统中。

为了实现上述目的，本发明有如下的技术方案：

一种利用神经网络预测电离层频率扩展F发生概率的方法，包括：

步骤A.从foF2数据中读取电离层频率扩展F的信息，并计算其发生概率；

步骤B.找出与foF2数据同时刻的F10.7指数和Dst指数，与foF2数据合成样本数据集；

步骤C.从样本数据集中分出训练数据和测试数据，利用神经网络算法对电离层频率扩展F的发生概率P进行反演，通过反复对训练数据进行训练，生成电离层频率扩展F的发生概率P的预测模型，并利用测试数据进行测试，直到预测模型达到要求的精度为止；

步骤D.通过训练好的预测模型对电离层频率扩展F发生概率进行预测。