人工智能技術在電離層擴展F領域的應用研究

定　價：￥85.00

作　者：	王寧屈軍鎖
出版社：	科學技術文獻出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787518986347	出版時間：	2022-04-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：	204	字數(shù)：

內(nèi)容簡介

　　電離層是近地空間環(huán)境的重要組成部分，對信息系統(tǒng)的無線電波傳播會產(chǎn)生重要的影響。由于受到來自太陽與地磁活動、高層大氣乃至近地面低層大氣的多種因素的驅動，電離層中會出現(xiàn)各種不規(guī)則結構，擴展F是電離層中常見的一種不規(guī)則結構之一，其時空變化可導致復雜的無線電傳播效應，進而影響無線電系統(tǒng)的性能，一直以來是研究電波環(huán)境和電離層空間天氣的熱點問題。為了加深對我國中低緯度地區(qū)電離層擴展F發(fā)生變化規(guī)律的認識，提升我國電離層空間天氣精細化建模、預報和電波傳播應用的能力，本書利用中國和日本部分臺站的電離層觀測數(shù)據(jù)，系統(tǒng)分析了在不同的太陽和地磁活動條件下中低緯度地區(qū)電離層擴展F發(fā)生概率的區(qū)域統(tǒng)計特征，研究了擴展F與電離層F2層臨界頻率（foF2）、F層虛高（h′F）、偶發(fā)E層（Es層）和電離層閃爍效應的相關性、大數(shù)據(jù)分析處理方法及中低緯度地區(qū)擴展F發(fā)生概率的預測方法。本書的主要研究內(nèi)容如下：①基于我國和日本中低緯度地區(qū)共12個臺站多年的電離層垂測數(shù)據(jù)，深入分析和研究了中低緯度地區(qū)電離層頻率擴展F和距離擴展F的時空變化特征。研究結果表明擴展F發(fā)生概率的經(jīng)向變化比緯向變化明顯，同時在35°N~45°N緯度沿海及海洋區(qū)域擴展F的發(fā)生概率高于內(nèi)陸地區(qū)。這些研究成果深化了對我國中低緯度地區(qū)電離層擴展F發(fā)生規(guī)律及其區(qū)域變化特征的認識。②利用海口、廣州、北京、長春站的電離層垂測數(shù)據(jù)，開展了擴展F與電離層F層背景參數(shù)中foF2、h′F的相關性研究。研究獲得了4個站點控制頻率擴展F發(fā)生的foF2的閾值和距離擴展F發(fā)生概率隨h′F的變化特征。結果表明，foF2的閾值隨著緯度的升高而減小。距離擴展F發(fā)生概率隨h′F的升高而增大，在240~290 km處發(fā)生概率，隨著h′F的進一步增高發(fā)生概率逐漸減小。發(fā)現(xiàn)頻率擴展F與foF2滿足線性關系，而距離擴展F與h′F滿足二次曲線關系，并且給出了擬合曲線的表達式。這些結果深化了對擴展F與電離層F層背景參數(shù)的內(nèi)在聯(lián)系的認識。③利用多臺站的電離層垂測和閃爍數(shù)據(jù)，分析了擴展F與電離層閃爍以及偶發(fā)E層的相關性。發(fā)現(xiàn)距離擴展F與閃爍現(xiàn)象的相關系數(shù)高達0.7~0.9，且相關系數(shù)隨著緯度的升高而減小。同時，擴展F的發(fā)生概率隨著foEs和fbEs差值的減小而增大，發(fā)現(xiàn)擴展F的發(fā)生概率與foEs和fbEs差值滿足三次曲線關系并且給出了擬合曲線的表達式。這些結果拓展了對擴展F與其他不規(guī)則體現(xiàn)象相關性的認識。④基于太陽和地磁活動指數(shù)、foF2、h′F等參數(shù)和神經(jīng)網(wǎng)絡算法，提出了一種新的擴展F發(fā)生概率的預測方法。該方法較國際已有的預測方法增加了foF2和h′F作為預測模型的輸入?yún)?shù)。與已有預測方法的對比結果顯示，該模型的預測精度比已有預測模型的平均均方差提高了約7%，并且該模型可更好地用于我國區(qū)域擴展F發(fā)生概率的預測。本書介紹了電離層不規(guī)則體理論、我國擴展F的區(qū)域特征及人工智能預測預報擴展F發(fā)生概率的方法，內(nèi)容上既包括其基本理論的詳細介紹，又包括其在實際問題上的具體應用，可使讀者循序漸進地掌握電離層擴展F的變化特性及其未來在通信、導航中的應用前景。本書內(nèi)容安排適合高等學?？臻g物理、智能科學與技術、計算機科學等相關專業(yè)本科生、碩士研究生及博士研究生的實際研究和教學要求，做到深入淺出、重點突出，讀者可以在相對較短的時間內(nèi)入門并深入進去進而得到啟發(fā)，也可作為相關研究領域的科研工作者的參考資料。

作者簡介

　　電離層是近地空間環(huán)境的重要組成部分，由于受到來自太陽與地磁活動、高層大氣乃至近地面低層大氣的多種因素的驅動，電離層中會出現(xiàn)各種不規(guī)則結構，擴展F是電離層中最常見的一種不規(guī)則結構之一。本書利用東亞地區(qū)中國和日本部分臺站的電離層觀測數(shù)據(jù)，系統(tǒng)分析了我國電離層擴展F發(fā)生概率的區(qū)域統(tǒng)計特征，以及我國中低緯地區(qū)擴展F發(fā)生概率的預測方法，并搶先發(fā)售將人工神經(jīng)網(wǎng)絡算法應用于電離層擴展F發(fā)生概率的預測預報領域。

圖書目錄

章緒論 1
1.1 選題的背景及意義 1
1.2 國內(nèi)外研究現(xiàn)狀 3
1.2.1 擴展F發(fā)生概率的變化特征 4
1.2.2 擴展F與電離層F層背景參數(shù)的相關性 7
1.2.3 擴展F與其他不規(guī)則體現(xiàn)象的相關性 8
1.2.4 擴展F發(fā)生概率的預測模型 11
1.2.5 人工智能技術發(fā)展概述 14
1.3 研究內(nèi)容及主要工作 16
第二章電離層及其不規(guī)則結構 20
2.1 引言 20
2.2 電離層 21
2.2.1 電離層的形成 21
2.2.2 電離層的分層結構 22
2.3 電離層不規(guī)則結構及其基本特征 23
2.3.1 擴展F 24
2.3.2 偶發(fā)E層(Es層) 25
2.3.3 電離層閃爍 26
2.4 太陽與地磁活動的影響及表征參數(shù) 27
2.5 電離層不規(guī)則結構的探測 28
2.5.1 電離層垂直探測儀 29
2.5.2 閃爍監(jiān)測設備 31
2.6 本章小結 32
第三章中低緯度地區(qū)電離層擴展F的產(chǎn)生機制 33
3.1 引言 33
3.2 低緯度地區(qū)擴展F的產(chǎn)生機制 34
3.3 中緯度地區(qū)擴展F的產(chǎn)生機制 37
3.4 改進的線性增長率的計算方法 40
3.5 影響線性增長率的因素分析 43
3.6 本章小結 47
第四章中低緯度地區(qū)擴展F的區(qū)域統(tǒng)計特征 48
4.1 引言 48
4.2 數(shù)據(jù)來源與處理 49
4.3 電離層擴展F的經(jīng)向變化特征 51
4.3.1 年變化 54
4.3.2 隨太陽、地磁活動變化 56
4.3.3 季節(jié)變化 59
4.3.4 日變化 60
4.4 電離層擴展F的緯向變化特征 61
4.4.1 年變化 62
4.4.2 隨太陽、地磁活動變化 65
4.4.3 季節(jié)變化 67
4.4.4 日變化 69
4.5 擴展F區(qū)域變化特征的機制分析 70
4.6 本章小結 75
第五章擴展F與電離層F層背景參數(shù)的相關性 77
5.1 引言 77
5.2 峰高、虛高、厚度的統(tǒng)計特征 78
5.2.1 數(shù)據(jù)來源與處理 78
5.2.2 峰高的變化特征 79
5.2.3 虛高的變化特征 81
5.2.4 厚度的變化特征 82
5.3 擴展F與臨界頻率、虛高的相關性 83
5.3.1 數(shù)據(jù)來源與處理 83
5.3.2 F2層臨界頻率(foF2)的變化 86
5.3.3 F層虛高(h′F)的變化 87
5.3.4 擴展F發(fā)生概率的變化 89
5.3.5 相關性分析 92
5.4 本章小結 97
第六章擴展F與其他不規(guī)則體現(xiàn)象的相關性 99
6.1 引言 99
6.2 擴展F與電離層閃爍的相關性研究 100
6.2.1 數(shù)據(jù)來源與處理 100
6.2.2 年變化 102
6.2.3 季節(jié)變化 105
6.2.4 日變化 109
6.2.5 相關性分析 110
6.3 擴展F與Es層相關性研究 115
6.3.1 數(shù)據(jù)來源與處理 115
6.3.2 年變化 117
6.3.3 季節(jié)變化 119
6.3.4 日變化 120
6.3.5 相關性分析 120
6.4 本章小結 124
第七章大數(shù)據(jù)處理方法 126
7.1 引言 126
7.2 數(shù)據(jù)預處理 127
7.2.1 數(shù)據(jù)預處理概述 127
7.2.2 數(shù)據(jù)預處理流程 127
7.3 算法模型 130
7.3.1 模型學習方式 130
7.3.2 分類模型 132
7.3.3 聚類算法 143
7.3.4 時間序列預測算法 148
7.4 模型評價 154
7.4.1 評價指標 154
7.4.2 模型評估方法 157
7.4.3 超參數(shù)調優(yōu)方法 158
7.4.4 欠擬合與過擬合 159
7.4.5 實驗應用 160
7.5 本章小結 168
第八章電離層擴展F發(fā)生概率的預測模型研究 169
8.1 引言 169
8.2 神經(jīng)網(wǎng)絡算法簡介 170
8.3 數(shù)據(jù)來源與處理 172
8.4 擴展F發(fā)生概率預測模型的構建 176
8.5 預測模型的精度分析 181
8.6 本章小結 184
第九章總結與展望 186
9.1 研究總結 186
9.2 研究展望 188
參考文獻 190