科研之友
微信
新浪微博
Facebook
分享链接
摘要
为进一步改正电离层延迟，在研究分析Klobuchar模型电离层模型的总电子含量误差时发现其存在着一些周期性规律信息。针对这些误差信息，提出了利用K-折交叉验证方法优化广义回归神经网络(generalized regression neural network, GRNN)径向学习速度，并建立基于Klobuchar模型的总电子含量误差补偿模型，对这些误差信息进行预测和补偿。试验结果表明，优化后的误差模型对不同地区和不同季节下电离层电子含量误差具有较好的预报精度和拟合效果。利用该模型对Klobuchar模型进行误差补偿，可将该模型总电子含量预报误差减小32%-90%,提高了改正精度。
- 单位
