基于混沌误差理论的GPS电离层综合分析与预报研究

针对地球空间环境中电离层TEC的非线性、非平稳的演化特征，研究基于混沌误差分析理论，集成了统计分析、小波分析与神经网络技术的GPS电离层综合分析预报方法与算法。内容包括：研究应用统计回归方法、差分方法和小波方法对包含了大尺度趋势、小尺度混沌、平稳、非平稳随机分量和异常干扰的TEC序列进行有效分离；异常污染情况下关联维数、熵和Lyapunov指数等混沌特征参数的稳健估计以及非线性、非平稳动力学规律挖掘；基于混沌神经网络的TEC的组合预报；并对IGS电离层TEC数据进行应用研究，挖掘其空时分布与演化规律。本项目研究避免了单纯的统计分析、小波分析和混沌分析方法的局限性，尤其是限制了异常对混沌参数估计的影响，是对GPS电离层TEC分析预报方法的一个综合创新，具有理论意义；利用本项目方法挖掘的非线性、非平稳的演化规律可以反映全球变化，同时也可用于改善工程应用中的导航定位精度，从而具有实用意义。

系统地进行了基于混沌理论的GPS电离层TEC的时间序列分析和预测研究。. 对电离层TEC时间序列进行混沌特征的分析。借助最大lyapunov指数，从大量的TEC时间序列中提取描述所研究的电离层非线性系统发展的复杂性特征。将电离层TEC时间序列扩展到高维的相空间，使得其中的信息和规律性便显露出来。所得到的混沌特征可以应用于TEC的预测预报中。.从采集的信号中提取真实信号是揭示实际系统本质及实际应用的关键问题。混沌时间序列数据的消噪常用的方法有小波阈值消噪，但是小波消噪方法和数据本身的特点关系不大。研究中，在小波分解的基础上，借助相空间重构，恢复出电离层TEC时间序列的动力学轨迹信息，然后再采用混沌局部投影消噪的方法，可以更好的突出相点的混沌吸引子的特征，有效的进行噪声去除。. 将电离层TEC时间序列的混沌特性分析与预测相结合，将获取的混沌特征参数应用于神经网络的模型构造。并进一步分析了混沌特征参数与电离层TEC预测误差的关系，研究了如何进一步提高基于混沌神经网络方法预测电离层TEC的效果。. 应用混合模型方法分析GPS电离层时间序列，确定的预测模型具有较高的预测精度。将TEC日均值时间序列分解成周期分量、太阳活动影响分量、地磁活动影响分量以及趋势分量构成的线性模型，回归分析构建得时间序列模型结果与观测值的相关系数达0.97，表明该模型较好地反映了TEC日均值时间序列真实变化特征。同时探讨了各分量对电离层TEC日均值变化的影响程度及特点。. 对典型的电离层经验模型IRI模型、Nequcik模型以及NTMC模型计算电离层TEC的性能进行了全面的验证。以BJFS站为例，探讨了各种模型在中国中纬度地区获取电离层TEC逐日变化，季节变化以及太阳活动依赖特征的能力。. 探测了不同因素引起的电离层异常以及电离层闪烁现象的气候学特征。并利用回归分析方法构建经验模型研究电离层全球电子总量GEC对地磁暴的响应。分析磁暴期间由于不同因素导致的电离层对地磁活动响应的程度进行了分析。表明将电离层GEC作为空间环境中的一个指标性参数具有一定的意义。