基于DEMETER卫星观测数据的电离层离子温度时间序列预测模型.pdfVIP

下载本文档

13
0
约 6页
2017-09-13 发布于北京
举报
版权申诉

基于DEMETER卫星观测数据的电离层离子温度时间序列预测模型.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

2O12．2 ■感应用遥感信息基于 DEMETER卫星观测数据的电离层离子温度时间序列预测模型徐方舟①，宋现锋①～，马灵玲②，唐伶俐② (① 中国科学院研究生院，北京 100049；② 中国科学院光电研究院，北京 1O0O94) 摘要：提出了一种利用DEMETER卫星观测量构建电离层离子温度背景场及预测模型的时间序列分析方法。首先，通过分析卫星轨道重访周期与建模格网大小的关系，确定了时间序列采样轨道数据的空间区域大小为 1．75。×1．75。、时间间隔约为 14天。然后，基于电离层离子温度明显的季节变化特征，采用自回归移动平均模型 (ARIMA)构建时间序列预测模型来描述电离层离子温度及其周期性变化。最后，采用 2006年～2009年的DE— METER卫星观测数据验证了该时间序列预测模型，结果表明ARIMA季节模型能较好地模拟电离层离子温度在时间上的变化趋势，建立较为可靠的电离层背景场。关键词：DEMETER卫星；电离层背景场；离子温度；ARIMA模型；时间序列分析 doi：IO．3969／j．issn．1000—3177．2012．02．005 中图分类号：TP79 文献标识码：A 文章编号：1000—3177(2012)120—0025—06 A TimeSeriesPredictionModelofIonosphereIonTemperature(Ti) BasedonDEM ETER SatelliteDataset XU Fang—zhou$，SONG Xian-feng0～，MA Ling-ling0，TANG Ling-li。 (① GraduateUniversityofChineseAcademyofSciences，Beijing100049； ② AcademyofOpto-Electronics，ChineseAcademyofSciences，Beijing100094) Abstract：TherecentresearchesrevealedthereissomerelationshipofanomaloussignalsobservedbyDEMETER satellite sensorswithseismicabnormalities．Sinceionosphereisaffectedheavilybysolarradiationandearthmagneticfield，onlyafterre— movingthosebackgroundsignalsthetrueabnormalitiesrelatedtoseismicactivitiescanbeobtained．So，itisessentialtoestab— lishabackgroundfieldreflectingthechangesofvariousfeaturesinionosphere．Thispaperpresentsanadvancedtime-seriesa— nalysisapproachtomodelingthebackgroundfiledofionosphereiontemperature(Ti)usingDEMETERearthobservationdata— set．First，weanalyzedtherelationsbetweenthesatelliterepeatcycleandmodelinggridsize，anddeterminedtopreparetime-se— riesTidatawithan14一daysintervalandfallingwithinaboxof1．75。× 1．75。centeredataparticulargeographiclocation．Then， theARIMAmodel(SeasonalAut0regressiveIntegratedMovingAverage)wasadoptedtomodelthebackgrou