以最小二乘支持向量机进行电离层全电子含量预报之研究AStudyof.PDF

以最小二乘支持向量機進行電離層全電子含量預報之研究 A Study of Prediction Ionospheric Total Electron Content by Least Squares Support Vector Machine 高書屏 1 葉欣豪2 Szu-Pyng Kao1 Xin-Hao Ya 2 摘要 電離層全電子含量 （Total Electron Content,TEC ）資料，是描述電離層型態和結構重 要的參數，可讓我們帶入電離層延遲公式中獲得電離層延遲量，因此本研究希望提前預 報 TEC ，以即時改正電離層延遲，本研究使用最小二乘支持向量機（ LSSVM ）預報電 離層的TEC ，並對其成果進行比較分析。 以2011 年台灣為實驗範圍，以LSSVM連續進行 360 天預測，與IGS 提前一天預 報資料相比，平均誤差提升 0.73TECu ，準確度在 95%以上多44 天，本研究預測精度有 所提升。 關鍵字：電離層、全電子含量、預測、最小二乘支持向量機 Abstract The information of Total Electron Content describes the structure and patterns of the ionospheric. By the research function can calculate ionosphere delay measure. Therefore, in my research both use the least squares support vector machine comparative analysis to forecast TEC, hope in advance and real-time correction of ionospheric delay. Experimental range is 2011 of Taiwan. Use LSSVM continuous 360 days forecast, compared to one day in advance with the IGS forecast data, the average error enhance 0.73TECu and accuracy above 95% for more than 44 days. Keyword ：ionospheric 、TEC 、prediction 、LSSVM 1 國立中興大學土木工程學系測量資訊組 副教授 2 國立中興大學土木工程學系測量資訊組 碩士生 一、 動機與目的 電離層 TEC (全電子含量資料，是描述電離層型態和結構重要的參數，可讓我) 們帶入電離層延遲公式中獲得電離層延遲量，因此本研究希望提前預報 TEC ，讓 單點定位能夠即時改正電離層延遲，而不需再進行額外的改正，減少人力物力的投 入。 目前，國際上對電離層 TEC值進行預報主要有兩個方法，一是利用現有電離層 模型進行預報，現有的電離層預報之模型主要有 Bent 模型、IRI 模型、Klobuchar 模型、低階球諧函數展開模型等，其中應用最為廣泛的為 Klobuchar 模型，另一種 方法是利用電離層TEC觀測數據直 接建立電離層模型，這一種方式主要是基於電離 層 TEC資料進行擬合，預測方法根據預測的模型不同可分為經典的數學統計方法和 人工智慧學習法，經典的數學統計方法包括多元迴歸分析、時間序列法、狀態空間 法等；人工智慧學習法主要包括人工神經網路模型、模糊理論、灰色理論等。 目前根據文獻，最多預測工