人工智能技術(shù)在電離層擴(kuò)展F領(lǐng)域的應(yīng)用研究

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(kuò)展F發(fā)生概率的變化特征  4
1.2.2  擴(kuò)展F與電離層F層背景參數(shù)的相關(guān)性  7
1.2.3  擴(kuò)展F與其他不規(guī)則體現(xiàn)象的相關(guān)性  8
1.2.4  擴(kuò)展F發(fā)生概率的預(yù)測模型  11
1.2.5  人工智能技術(shù)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(jié)構(gòu)  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(jié)構(gòu)  22
2.3  電離層不規(guī)則結(jié)構(gòu)及其基本特征  23
2.3.1  擴(kuò)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(jié)構(gòu)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(shè)備  31
2.6  本章小結(jié)  32
第三章  中低緯度地區(qū)電離層擴(kuò)展F的產(chǎn)生機(jī)制  33
3.1  引言  33
3.2  低緯度地區(qū)擴(kuò)展F的產(chǎn)生機(jī)制  34
3.3  中緯度地區(qū)擴(kuò)展F的產(chǎn)生機(jī)制  37
3.4  改進(jìn)的線性增長率的計(jì)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(jié)  47
第四章  中低緯度地區(qū)擴(kuò)展F的區(qū)域統(tǒng)計(jì)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(kuò)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(kuò)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(kuò)展F區(qū)域變化特征的機(jī)制分析  70
4.6  本章小結(jié)  75
第五章  擴(kuò)展F與電離層F層背景參數(shù)的相關(guān)性  77
5.1  引言  77
5.2  峰高、虛高、厚度的統(tǒng)計(jì)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(kuò)展F與臨界頻率、虛高的相關(guān)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(kuò)展F發(fā)生概率的變化  89
5.3.5  相關(guān)性分析  92
5.4  本章小結(jié)  97
第六章  擴(kuò)展F與其他不規(guī)則體現(xiàn)象的相關(guān)性  99
6.1  引言  99
6.2  擴(kuò)展F與電離層閃爍的相關(guān)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(guān)性分析  110
6.3  擴(kuò)展F與Es層相關(guān)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(guān)性分析  120
6.4  本章小結(jié)  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(yù)處理  127
7.2.1  數(shù)據(jù)預(yù)處理概述  127
7.2.2  數(shù)據(jù)預(yù)處理流程  127
7.3  算法模型  130
7.3.1  模型學(xué)習(xí)方式  130
7.3.2  分類模型  132
7.3.3  聚類算法  143
7.3.4  時(shí)間序列預(yù)測算法  148
7.4  模型評價(jià)  154
7.4.1  評價(jià)指標(biāo)  154
7.4.2  模型評估方法  157
7.4.3  超參數(shù)調(diào)優(yōu)方法  158
7.4.4  欠擬合與過擬合  159
7.4.5  實(shí)驗(yàn)應(yīng)用  160
7.5  本章小結(jié)  168
第八章  電離層擴(kuò)展F發(fā)生概率的預(yù)測模型研究  169
8.1  引言  169
8.2  神經(jīng)網(wǎng)絡(luò)算法簡介  170
8.3  數(shù)據(jù)來源與處理  172
8.4  擴(kuò)展F發(fā)生概率預(yù)測模型的構(gòu)建  176
8.5  預(yù)測模型的精度分析  181
8.6  本章小結(jié)  184
第九章  總結(jié)與展望  186
9.1  研究總結(jié)  186
9.2  研究展望  188
參考文獻(xiàn)  190