基于LSTM的短波频率参数预测

作者：张雯鹤; 黄国策; 董淑福; 王董礼

来源：空军工程大学学报(自然科学版), 2019, 20(03): 59-64.

• 短波通信
• 频率预测
• 长短期记忆神经网络

针对现有短波通信频率参数预测方法操作繁琐、预测精度不足的缺点,首次提出一种基于长短期记忆型循环神经网络(LSTM RNN)的预测方法。通过对电离层参数f0F2数据的分析,利用LSTM在处理时序相关数据时可以长期记忆网络历史数据的优势,对f0F2值进行预测。对比反向传播神经网络(BPNN),LSTM将误差降低了7%,并将均方误差控制在2%以下。研究结果表明:基于LSTM搭建的提前预报5天的f0F2值的模型是可行的且比BP神经网络更适合预测电离层的f0F2值。

• 单位
  空军工程大学信息与导航学院