基于深度学习的SuperDARN雷达极区电离层跨极盖电场模型构建

摘要

通过超级双子极光雷达网(SuperDARN)获得的跨极盖电势计算了极区电离层对流电场.利用2014年的极区电离层对流电场数据为基础,引入对流电场的历史数据,分别基于多元线性回归算法和后向传播神经网络算法构建电离层电场模型.利用独立的数据集,验证了两种模型的准确性和稳定性.结果表明,模型值与测量值的均方根误差在2.0～3.5 mV·m-1之间,平均绝对误差范围为1.5～3.0 mV·m-1,线性相关系数均大于0.6,最高可达0.9.引入前20分钟的历史数据作为模型的输入,后向传播神经网络模型比多元线性回归模型具有更好的预测性能.