论文部分内容阅读
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fOF2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fOF2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fOF2值的模型是可行的且比BP神经网络更适合预测电离层的fOF2值。