本文選題：電離層總電子含量　切入點：電離層暴　出處：《中國科學院大學(中國科學院國家空間科學中心)》2017年碩士論文

【摘要】：電離層是近地空間環(huán)境的重要組成部分,當爆發(fā)性太陽活動引起的行星際擾動經過地球空間時,將劇烈擾動電離層,使電離層參數(shù)大幅度偏離靜日變化范圍。由于電離層總電子含量(TEC)與衛(wèi)星信號的傳播誤差直接相關,對電離層TEC暴的物理原因研究和模擬預報十分具有應用價值。本文基于電離層TEC地圖數(shù)據(jù),討論分析了中國地區(qū)電離層對行星際-地磁擾動的響應特征,并利用深度學習遞歸神經網絡技術建立TEC的經驗預報模型,主要內容和結果如下:(1)利用CODE TEC地圖中國地區(qū)的數(shù)據(jù),分析了2015年3月17-18日地磁暴事件中,中國地區(qū)電離層負暴的響應過程,并結合行星際太陽風參數(shù),地磁活動指數(shù)和極蓋電位降指數(shù),探討此次事件的物理過程。分析結果表明,中國110°E經度附近,中高緯在磁暴主相有短暫的正暴效應,各緯度在3月18日均呈現(xiàn)強負暴效應。本次事件行星際磁場南向分量持續(xù)較長時間,太陽風能量注入極區(qū),極大擾動了熱層環(huán)流,引起了中緯電離層抬升、大氣中性成分向赤道輸送和擾動發(fā)電機電場,導致初相中高緯的TEC正暴和恢復相各緯度的負暴。同時,低緯電離層垂直漂移數(shù)據(jù)顯示,未發(fā)生穿透電場,這可能是低緯地區(qū)未發(fā)生明顯正暴的原因。(2)首次將處理時間序列的深度學習遞歸神經網絡應用于電離層參數(shù)預報,結合太陽活動指數(shù)、地磁活動指數(shù)和CODE TEC網格數(shù)據(jù),并增加行星際太陽風參數(shù)作為預報輸入,建立了單站電離層TEC預報模型,可提前24小時對北京站的TEC進行預測。同時,構建傳統(tǒng)BP網絡模型與遞歸神經網絡模型進行對比。結果顯示,RNN網絡對寧靜電離層的預測誤差約為3.0 TECU,低于BP網絡;將太陽風參數(shù)加入預報因子的模型對電離層正暴的預測準確率的提升7.5%。RNN網絡對于2001,2015年31個強電離層暴預報的均方根誤差比BP網絡低0.2~0.5 TECU,太陽風參數(shù)使RNN模型對31個事件的平均誤差降低了0.45~0.65TECU。深度遞歸神經網絡比BP網絡更適用于電離層TEC的短期預報,預報因子加入太陽風數(shù)據(jù)對電離層正暴的預報效果有明顯改善。(3)首次建立全網格TEC數(shù)據(jù)輸入的神經網絡區(qū)域經驗預報模型。模型分別使用地磁活動指數(shù)和行星際太陽風參數(shù),結合太陽活動指數(shù)和35°N~45°N、100°E~120°E的TEC網格,作為輸入因子,同時與多站點TEC和經緯度輸入的模型進行比較。結果表明,全網格區(qū)域模型能夠更高的捕捉TEC的空間擾動傳播特性,預測精度較高。對中高緯格點的TEC預測誤差僅為3.22 TECU,但對赤道異常峰控制的低緯地區(qū),預測誤差為4.25 TECU。區(qū)域模型對單格點TEC的預測精度也得到了改善。
[Abstract]:The ionosphere is an important component of the near-Earth space environment. When the interplanetary disturbance caused by explosive solar activity passes through Earth space, the ionosphere will be severely disturbed. The ionospheric parameters deviate greatly from the range of diurnal variation. Since the ionospheric total electron content (TEC) is directly related to the propagation error of the satellite signal, In this paper, based on the ionospheric TEC map data, the characteristics of the ionospheric response to the interplanetary geomagnetic disturbances in China are discussed and analyzed. The empirical prediction model of TEC is established by using the technique of deep learning recurrent neural network. The main contents and results are as follows: 1) using the data of CODE TEC map in China, the geomagnetic storm events of March 17-18, 2015 are analyzed. The response process of the ionospheric negative storm in China and the physical process of the event are discussed by combining the interplanetary solar wind parameters, the geomagnetic activity index and the polar cap potential drop index. The results show that China is near 110 擄E longitude. In the middle and high latitudes, there is a transient positive storm effect in the main phase of the magnetic storm, and strong negative storm effect is observed at all latitudes on March 18. The southward component of the interplanetary magnetic field lasts for a long time, and the solar wind energy is injected into the polar region, which greatly disturbs the thermospheric circulation. As a result of the ionospheric uplift in the middle latitudes, the transport of atmospheric neutral components to the equator and the disturbance of the electric field of the generator, the TEC positive storms in the first and high latitudes and the negative storms at all latitudes of the recovery phase are caused. At the same time, the vertical drift data of the low latitude ionosphere show that, There is no penetrating electric field, which may be the reason why there is no obvious positive storm in the low latitude region.) for the first time, the depth learning recurrent neural network for processing time series is applied to the prediction of ionospheric parameters, combined with the solar activity index. The geomagnetic activity index, CODE TEC grid data and the interplanetary solar wind parameters are added as the prediction input. A single station ionospheric TEC prediction model is established, which can predict the TEC of Beijing station 24 hours in advance. The results show that the prediction error of RNN for quiet ionosphere is about 3.0 TECU, which is lower than that of BP neural network. Improving the accuracy of forecasting Ionospheric positive Storm by adding Solar Wind parameters to Prediction factors the RMS root mean square error of 31 strong ionospheric storms in 2001 and 2015 is 0.20.5 TECU lower than that of BP neural network. The solar wind parameters make the RNN model correct 31 for 2001 and 2015. Deep recurrent neural network is more suitable for short-term prediction of ionospheric TEC than BP neural network. The effect of solar wind data on the prediction of ionospheric positive storms is significantly improved. (3) for the first time, a neural network regional empirical prediction model for the input of full-grid TEC data is established. The model uses geomagnetic activity indices and interplanetary solar wind parameters, respectively. Combined with the solar activity index and the TEC grid of 35 擄N ~ (45 擄) and 100 擄E ~ (120 擄E) as input factors, and compared with the multi-station TEC and longitude and latitude input models, the results show that the full-grid region model can capture higher spatial disturbance propagation characteristics of TEC. The prediction accuracy of TEC is 3.22 TECU for the middle and high latitude points, but 4.25 TECU for the low latitude region controlled by the equatorial anomaly peak. The prediction accuracy of the regional model for single lattice TEC is also improved.
【學位授予單位】：中國科學院大學(中國科學院國家空間科學中心)
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：P352

【相似文獻】

相關期刊論文 前10條

1 黃文耿,古士芬;化學物質釋放人工改變電離層[J];空間科學學報;2005年04期

2 Я.Л.阿爾佩爾特;保宗悌;胡修愚;;電離層[J];物理通報;1958年08期

3 高宇;;電離層和電離層的探n,[J];物理通報;1963年03期

4 梁百先，李鈞，，馬淑英;我國的電離層研究[J];地球物理學報;1994年S1期

5 蕭佐,王勁松,張東和,張?zhí)烊A;當前的電離層氣候學研究[J];中國科學(A輯);2000年S1期

6 樂子華,葉嘉駿,樂琰,王春玲;嚴重的電離層暴對短波遙測系統(tǒng)的影響分析[J];水利水文自動化;2001年04期

7 孫樹計;陳春;奚迪龍;;中國西部及周邊區(qū)域電離層暴的統(tǒng)計特性[J];裝備環(huán)境工程;2008年01期

8 劉鈍;馮健;鄧忠新;余侯方;;中國區(qū)域電離層相關結構對衛(wèi)星增強系統(tǒng)的影響[J];全球定位系統(tǒng);2009年04期

9 王勇;林兆祥;余濤;;廈門電離層垂測儀電子濃度剖面最優(yōu)插值同化的初步建立[J];空間科學學報;2011年06期

10 黃勇;時家明;袁忠才;;釋放化學物質耗空電離層電子密度的研究[J];地球物理學報;2011年01期

相關會議論文 前10條

1 萬衛(wèi)星;;電離層的變化:氣候與天氣[A];第十屆全國日地空間物理學術討論會論文摘要集[C];2003年

2 尚社平;張滿蓮;郭兼善;史建魁;羅熙貴;;影響中高緯電離層暴的物理機制研究[A];第九屆全國日地空間物理學術討論會論文摘要集[C];2000年

3 劉瑞源;吳健;張北辰;;電離層天氣預報研究進展[A];第十一屆全國日地空間物理學術討論會論文摘要集[C];2005年

4 高琴;劉立波;趙必強;萬衛(wèi)星;張滿蓮;寧百齊;;東亞扇區(qū)中低緯地區(qū)電離層暴的統(tǒng)計分析[A];中國科學院地質與地球物理研究所2008學術論文匯編[C];2009年

5 熊皓;吳健;索玉成;;電離層騷擾預報與經濟建設[A];地球物理與中國建設——慶祝中國地球物理學會成立50周年文集[C];1997年

6 張滿蓮;尚社平;郭兼善;羅熙貴;史建魁;;1998年5月磁暴事件期間的全球電離層響應[A];2000年中國地球物理學會年刊——中國地球物理學會第十六屆年會論文集[C];2000年

7 雷久侯;劉立波;萬衛(wèi)星;張順榮;;中緯電離層暴的數(shù)值模擬與數(shù)據(jù)同化研究[A];第十屆全國日地空間物理學術討論會論文摘要集[C];2003年

8 朱正平;寧百齊;萬衛(wèi)星;趙必強;王敏;;2006年4月13～17日西太平洋地區(qū)電離層暴時特性研究[A];中國科學院地質與地球物理研究所2007學術論文匯編(第一卷)[C];2008年

9 黃文耿;古士芬;;化學物質釋放人工改變電離層[A];提高全民科學素質、建設創(chuàng)新型國家——2006中國科協(xié)年會論文集（下冊）[C];2006年

10 任志鵬;萬衛(wèi)星;;電離層暴/熱層暴的模擬研究[A];中國地球物理·2009[C];2009年

相關重要報紙文章 前4條

1 記者 李斌;太陽風暴“干擾”地球20余小時[N];新華每日電訊;2000年

2 焦培南 王琳;電離層暴頻出現(xiàn) 電波觀測獻對策[N];中國電子報;2000年

3 本報記者 張瑋鷗　吳越 顧燕杰;奏響寰宇的樂章[N];中國氣象報;2012年

4 本報記者 張靜;航天器的空間生活[N];中國氣象報;2011年

相關博士學位論文 前10條

1 王錚;低緯度地區(qū)電離層結構和不規(guī)則體特性研究[D];中國科學院研究生院(空間科學與應用研究中心);2015年

2 周彩霞;中低緯電離層不規(guī)則體及閃爍特性研究[D];西安電子科技大學;2014年

3 孔建;聯(lián)合DORIS和GNSS數(shù)據(jù)的四維電離層層析新算法及其應用[D];武漢大學;2014年

4 孫偉;基于地基GPS和掩星技術的區(qū)域電離層特征研究[D];武漢大學;2015年

5 周義炎;GPS電離層反演與地震—電離層效應研究[D];武漢大學;2015年

6 李海夢;內磁層—低電離層的耦合研究[D];武漢大學;2015年

7 李雪t

本文編號：1682991