区域电离层延迟改正及预报模型研究

发布时间：2020-10-12 09:09

　　 区域电离层的监测和预报是一项具有重要意义的工作,也是目前一个比较热门的研究方向。本文着重研究区域电离层的预报模型,以期能够为区域内的用户提供实时的电离层VTEC (Vetical Total Electron Content)预报信息,最终可以为单频GPS用户提高定位的精度；而且还可以为研究电离层活动提供一种有效的途径。本文利用IGS提供的195个格网点的VTEC数据,以及JSCORS系统某区域12个观测站的GPS观测数据展开相关的研究。本文主要的内容和结论如下：1)对区域VTEC的空间分布特性进行了分析。利用IGS提供的195个格网点的VTEC数据,分析了区域VTEC的空间分布特性,结果显示：电离层VTEC的空间分布和纬度有较大关联,低纬度地区的VTEC值会高于高纬度地区；电离层VTEC具有非常明显的空间相关性,某点的总电子含量与相邻点位的总电子含量会产生相互影响。在对VTEC进行预报和建模时,不能仅仅采用单点预报模式,其空间分布特性应当予以考虑。2)对区域VTEC的空间分布特性进行了分析。利用IGS提供的195个格网点的VTEC数据,分析了区域VTEC的时间变化特性,结果显示：电离层VTEC呈周期性变化规律,周期为24小时；从当地时间凌晨6时起,至傍晚20时的14个小时内,电离层VTEC变化剧烈,通常在当地时间中午12时至14时之间某时刻达到当日VTEC最大值；当地时间20时至次日凌晨6时的10个小时内,VTEC值处于小范围波动状态或平稳下降状态(凌晨6时左右达最小值),电离层状态较为稳定。3)分别构建了基于ARIMA时间序列模型(Auto Regression Integrated Moving Average)和BP神经网络模型的单点电离层VTEC预报模型。利用IGS提供的195个格网点的VTEC数据,分别采用ARIMA模型和BP神经网络模型对电离层VTEC进行了预报,预报时长为1天,结果显示：ARIMA模型的预报平均相对误差为6.43%；BP神经网络模型的预报平均相对误差为8.30%；相比之下,ARIMA模型的结果更佳。4)提出了基于EOF(Empirical Orthogonal Function)分解的区域电离层VTEC预报模型。分别建立了EOF-ARIMA模型、EOF-BP模型和EOF-融合模型,结果显示：EOF-ARIMA模型的预报平均相对误差为4.05%；EOF-BP模型的预报平均相对误差为4.64%；EOF-融合模型的预报平均相对误差为3.68%。相比于ARIMA单点模型,EOF-ARIMA模型的精度可以提高40.3%；相比于BP神经网络单点模型,EOF-BP模型的精度可以提高42.8%；EOF-融合模型精度最高,较ARIMA单点模型提高46.1%,较BP神经网络单点模型提高54.5%。5)构建了区域电离层预报内插模型,提出了BP神经网络-多项式融合模型。分别采用多项式模型、球谐函数模型和BP神经网络-多项式融合模型建立了区域电离层内插模型,结果显示：多项式模型的平均绝对误差大约为0.24TECU,球谐函数模型的平均绝对误差大约为0.35TECU, BP神经网络-多项式融合模型的平均绝对误差大约为0.20TECU,可以较多项式模型精度提高15%左右。
【学位单位】：东南大学
【学位级别】：硕士
【学位年份】：2016
【中图分类】：P228.4;P352
【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 国内外研究现状
        1.2.2 存在的问题与不足
    1.3 研究的主要内容
第二章 区域电离层时空变化特征分析
    2.1 电离层对GPS定位的影响
        2.1.1 GPS定位误差分析
        2.1.2 电离层对GPS定位的影响
        2.1.3 消除电离层影响的方法
    2.2 电离层延迟模型
        2.2.1 经验模型
        2.2.2 拟合模型
    2.3 电离层VTEC数据
        2.3.1 双频观测值提取VTEC
        2.3.2 IGS电离层数据
    2.4 区域电离层时空变化特性分析
        2.4.1 空间变化特性
        2.4.2 时间变化特性
    2.5 本章小结
第三章 单点电离层VTEC预报模型
    3.1 时间序列模型
        3.1.1 基本原理
        3.1.2 基于时间序列的VTEC预报模型
    3.2 BP神经网络模型
        3.2.1 基本原理
        3.2.2 基于BP神经网络的VTEC预报模型
    3.3 本章小结
第四章 基于EOF分解的区域电离层VTEC预报模型
    4.1 EOF分解
        4.1.1 EOF分解简介
        4.1.2 EOF分解与重构的原理
    4.2 基于EOF分解的区域电离层VTEC预报模型
        4.2.1 模型构建
        4.2.2 预报结果
        4.2.3 模型比较
    4.3 本章小结
第五章 区域电离层内插模型研究
    5.1 多项式模型
    5.2 球谐函数模型
    5.3 BP-PLOY融合模型
    5.4 本章小结
第六章 结论与展望
    6.1 主要内容和结论
    6.2 研究展望
致谢
参考文献
攻读硕士学位期间发表的论文与取得的学术成果

【相似文献】

相关期刊论文 前10条

1 Weiping Jiang;Yifang Ma;Hongfei Liu;Liansheng Deng;Xiaohui Zhou;;Investigation of Lushan earthquake ionosphere VTEC anomalies based on GPS data[J];Earthquake Science;2013年Z1期

2 Wang Xinzhi;Jia Junhui;Yue Dongjie;Ke Fuyang;;Analysis of ionospheric VTEC disturbances before and after the Yutian Ms7.3 earthquake in the Xinjiang Uygur Autonomous Region[J];Geodesy and Geodynamics;2014年03期

3 刘晓京;何年宁;姜梦;;发动机的低碳时代—i-VTEC[J];科协论坛(下半月);2010年07期

4 ;Monitoring Seasonal Variations of Ionospheric TEC Using GPS Measurements[J];Geo-Spatial Information Science;2007年02期

5 祝芙英;吴云;林剑;周义炎;熊晶;杨剑;;汶川地震前电离层VTEC的异常响应[J];地震学报;2009年02期

6 邓柏昌;杨马陵;黄江;赵文化;;华南地区电离层在汶川地震前VTEC异常的研究[J];华南地震;2009年04期

7 Zhou Yiyan;Wu Yun;Yang Jian;Zhu Fuying;Zhao Bin;;Ionospheric disturbances around the time of the Ms7.0 Lushan earthquake[J];Geodesy and Geodynamics;2013年04期

8 ;Analysis of the ionosphere wave-motion with GPS[J];Chinese Science Bulletin;2005年13期

9 ;Ionospheric VTEC anomalies before Ms7.1 Yushu earthquake[J];Geodesy and Geodynamics;2011年02期

10 刘国其;龚建村;黄文耿;沈华;;太阳活动低年低纬地区VTEC变化特性分析[J];空间科学学报;2013年03期

相关硕士学位论文 前2条

1 王松寒;区域电离层延迟改正及预报模型研究[D];东南大学;2016年

2 贝峰;多重荧光PCR检测产vero毒素大肠杆菌（VTEC）方法的研究及初步应用[D];山东农业大学;2007年

本文编号：2837929