利用人工神经网络研究电离层参量变化

利用人工神经网络研究低纬电离层参量的预测，首先我们研究从某一个月的电离层月中值预测下一个月的月中值。由于低纬电离层昼夜遵从不同的变化规律，我们将一天２４小时分成两到三个时间段进行分别预测，达到降低预测误差的目的。平均预测误差一般可以小于５－８％。其次我们将电离层看成一个系统，太阳辐射通量作为这个系统的输入，利用人工神经网络寻求太阳辐射通量与电离层Ｆ层参量之间的非线性关系，实现直接从太阳辐射通量预测电离层的月中值的目的。我们利用海南和广州两个台站１１年资料训练网络，采用训练后的网络预测电离层Ｆ层的临界频率的月中值，预测结果优于ＩＲＩ－９０的和更接近观测值。初步研究结果表明，人工神经网络能够充分利用大量的观测资料训练网络，训练后的网络不仅学习一些具体的例子，而且学会了从这些例子中所概括出的一般变化规律，寻求电离层复杂的非线性行为。