当前位置：文档之家 › 一种电离层f_0F_2和M_3000_F_2长期预测新方法

一种电离层f_0F_2和M_3000_F_2长期预测新方法

  • 格式：pdf
  • 大小：326.23 KB
  • 文档页数：4

第23卷　第5期2008年10月 电　波　科　学　学　报CHINESE JOURNAL OF RADIO SCIENCE Vol.23,No.5　October,2008 文章编号　100520388(2008)0520946204一种电离层f0F2和M(3000)F2长期预测新方法3奚迪龙　李建儒☆　刘玉梅　赵振维(中国电波传播研究所,山东青岛266107)摘　要　将观测站实测数据的月中值按世界时进行排列,分析得到了电离层参数与太阳活动性指数F12之间的相关系数,然后,根据F12的预测数据,可以预测得到观测站的电离层参数。

之后,通过Kriging地理插值法可以预测得到一定区域内观测站以外任一地点的电离层参数。

上述过程形成了一个完整的区域电离层参数长期预测方法。

关键词　回归关系;地理内插;长期预测中图分类号　TN011;P352.3 文献标志码　AA ne w method for long2term prediction of ionospheref0F2and M(3000)F2XI Di2long　L I Jian2ru　L IU Yu2mei　ZHAO Zhen2w ei(China Research I nstitute of Radio w ave Propagation,Qing dao S handong266107,China)Abstract　Arranging mont h median values of observed data at every site by U TC,t he correlation coefficient s between iono sp here parameters and t he sun activity in2dex F12are regressed.Then according to t he p redicted F12,t he ionosp here parame2ters at t he observation stations can be p redicted.Afterwards,using t he Kriging ge2ograp hical interpolation met hod,t he iono sp here parameters at any place can be pre2dicted in t his area near China.Then t he complete iono sp here parameters long2termp rediction met hod is formed by all t he above step s.K ey w ords　regression relationship;geograp hical interpolation;long2term p redic2tion1　引　言电离层预测,最重要的是电离层F2层临频f0F2和M(3000)F2因子的预测。

对f0F2和M (3000)F2因子的预测,国际上一般采用国际参考电离层(IRI),该模式现在已发展到2007版本。

在我国,上世纪70年代,文献[1]提出了“亚大地区F2电离层预测方法”,对中国地区f0F2和M(3000)F2的预测有了较大的改进,最后发展成为中国参考电离层(CRI),沿用至今。

文献[2]提出使用改进Krig2 ing技术实时重构区域电离层f0F2的分布。

因工作需要,本文对电离层f0F2和M(3000) F2的长期预测方法进行了研究,预测思路主要来之于文献[1],但在电离层拟合参数和地理插值方法两个方面作了变动,与国际参考电离层IRI比较,本文方法(CIM)的预测精度有了较大改进。

3收稿日期:2007212218 ☆E2mail:ljr22s@.9462　电离层参数随太阳活动变化预测与国际参考电离层IRI不同,我们选用了10.7cm太阳射电流量的12个月流动平均(F12)作为太阳活动性指数,来分析F12与电离层参数f0F2和M(3000)F2因子的相关性。

然后使用亚大地区41个电离层探测站多个太阳活动周期的历史观测数据,国外站点从建站到1990年,国内站点从建站到2006年,统一使用世界时,对相关系数C i重新进行了非线性回归,得到了一套适用于亚大地区的相关系数C i。

然后根据F12的预测值,预测得到41个站的电离层f0F2和M(3000)F2的月中值。

电离层探测站位置分布见表1。

表1　电离层探测站位置序号站名纬度经度序号站名纬度经度1TOMSK56.584.922O KINAWA26.3127.8 2NOVOSIBIRSK54.683.223TA IPEI25.0121.5 3PETROPAVLOVSK53.1158.724GUAN GZHOU23.2113.4 4IR KU TSK52.5104.025A HM EDABAD23.072.6 5CHITA52.0113.526HAIKOU20.0110.3 6KARA GANDA49.873.127MAN IL A14.6121.1 7MANZHOUL I49.6117.428TIRUCHIRA PALL I10.878.3 8KHABARROVSK48.5135.129KODAIKANAL10.277.5 9WA KKANA I45.4141.730TRIRANDRUM8.577.0 10CHAN GCHUN43.9125.331SIN GAPORL 1.35103.8 11WUL UMUQ I43.887.732VAN IMO-2.7141.3 12AL MA2A TA43.276.933DRWIN-12.4130.9 13B EI J IN G39.9116.334TOWNSV ILL E-19.7147.0 14A KITA39.7140.135L A REUN ION-21.155.9 15ASH KHABAD37.958.836BRISBAN E-27.5152.9 16L ANZHOU36.1104.037MUNDARIN G-32.0116.2 17KO KUBUNJ I35.7139.438CANB ERRA-35.3149.1 18YAMA GAWA31.2130.539SAL ISBU R Y-34.7136.7 19L ASA29.691.240HOBAR T-42.8147.0 20CHON GQ IN G29.5106.441KER GU EL EN-49.470.3 21DEL HI28.677.2F12的统计方法如下:F12=1126n+5i=n-5f i+12( f n-6+ f n-6)(1)式中,n为时间序列的第n月; f为每月F10.7的月均值。

在一定地点,一定月份、同一时间(世界时),电离层参量随太阳活动性指数变化的回归方程,仍采用CRI模型中的多项式关系: ^X(t)=6K i=0C i(t)F i12(2)式中,^X(t)代表f0F2和M(3000)F2,根据文献[1]的研究,从f0F2、M(3000)F2与太阳活动性指数呈现的相关特性来看,前者K取2,后者K取1就可以。

使用本文预测方法(CIM)与IRI(2007)对国内多个站点、最近13年f0F2和M(3000)F2进行了预测,并与实测数据进行了比较,按照(3)式得到了各站点预测数据的年均方根误差,如图1和图2所示。

图1　各站f0F2两种模式比较749第5期 奚迪龙等:一种电离层f o F2和M(3000)F2长期预测新方法图2　各站M (3000)F 2两种模式比较均方根误差是用来评估电离层参数预测效果的参数之一,其定义为:RM S =6Ni =0(sc i -yb i )2/n (3)式中,n 表示实测数据个数;sc i 表示第i 月实测数据的统计月中值;yb i 表示第i 月的预测值。

对图中六个站点13年预测数据的误差均方根进行了统计,得到本文预测方法与IRI 的平均预测精度比较如表2所示。

表2　电离层预测方法精度比较-预测误差均方根IRICIM f 0F 2(M Hz )0.5400.445M (3000)F 20.1150.080可以看出,新预测方法的预测精度比IRI 在各站、各年都得到了较好改进。

3　电离层参数在地域上的预测电离层参量存在较为明显的地理位置变化。

我们选用Kriging 地理插值方法,利用41个观测站的预测数据来预测观测站以外一定区域内任一地点某月某世界时的电离层参数f 0F 2和M (3000)F 2。

在Kriging 插值方法中,电离层的地域特性用相关距离d ab 来表征:d ab =(S K (L on (a )-L on (b )))2+(S F (L a (a )-L at (b )))2(4)式中,L on (a )、L on (b )和L at (a )、L at (b )分别表示a 、b 站的地理经度和纬度,S K 、S F 是相关距离比例因子,这说明两站的经纬度差异对d ab 的作用可能是不相同的。

用多个电离层观测点的实测值Z i (i =1,2,…,n )来求某个位置的电离层参量Z 0: Z 0=6ni =1WiZ i(5)其中滤波权函数W 由C ・d 来求得。

C 是一个常数。

6VijW j =V j 0 i ,j =1,2,…n 6ni =1W i -1=0 V ij =C 3d ij V j 0=C 3d j 0(6)V ij 是(n +1)(n +1)个单元的矩阵,W i 和V j 0为(n +1)元素的矢量。

由(6)式可得W i ,从而可由(5)式求得预测量Z 0。

参量C 、S F 和K 见表3。

表3　C 、S F 和相关系数KS F 0.20.60.8 1.0 1.6 2.0C 2.0 1.00.30.70.70.2K0.690.840.960.890.730.80根据文献[3]C 和S F 取相关系数K 最大(0.96)所对应的值:S F =0.8,C =0.3。

在实际应用中我们发现经度的距离因子S K 比纬度的距离因子S F 更重要,C 的变化对电离层参数预测精度的影响不明显,我们取C =1。

通过最优化计算S F 取1.0,S K 取0.3比较合适。

见表4。

表4　两组系数K riging 插值计算结果比较站点S K =0.3,S F =1.0S K =1.2,S F =0.8K RMS K RMS 北京0.980.420.950.95长春0.970.510.970.73重庆0.980.620.980.76广州0.980.700.980.89海口0.970.760.980.75兰州0.990.540.980.91拉萨0.970.820.96 1.08满洲里0.960.630.960.64乌鲁木齐0.980.440.970.60 注:在插值某个站的电离层参数时,该站的数据不参与计算。

合集下载

第3章 无线传播理论与模型

第3章 无线传播理论与模型


传播途径
无线电波可通过多种方式从发射天线传播到接收天线：直射波或地面反 射波、绕射波、对流层反射波、电离层反射波。如图所示。 还有了一种：表面波的传播方式，主要利用左边这两种。
学习完本课程，您应该能够：

掌握无线传播理论基本知识
掌握传播模型的作用，记住几种常用模型的名称和适用范围。


理解链路预算的基本参数和计算方法。
了解一些产品在覆盖规划中如何应用

无线传播理论概述
电磁波传播的机理是多种多样的，但总体上可以归结为反射、绕射和散 射。大多数蜂窝无线系统运作在城区，发射机和接收机之间一般不存在 直接视距路径，且存在高层建筑，因此产生了绕射损耗。此外由于不同 物体的多路径反射，经过不同长度路径的电磁波相互作用产生了多径损 耗，同时也存在随着发射机和接收机之间距离的不断增加而引起电磁强 度的衰减。 对传播模型的研究，传统上集中于给定范围内平均接收场强的预测，和 特定位臵附近场强的变化。对于预测平均场强并用于估计无线覆盖范围 的传播模型，由于它们描述的是发射机和接收机之间（T－R）长距离（ 几百米或几千米）上的场强变化，所以被称为大尺度传播模型。另一方 面，描述短距离（几个波长）或短时间（秒级）内的接收场强的快速波 动的传播模型，称为小尺度衰减模型。
无线传播理论概述
当移动台在极小的范围内移动时，可能引起瞬时接收场强的快速波动， 即小尺度衰减。其原因是接收信号为不同方向信号的合成。由于相位变 化的随机性，其合成信号变化范围很大。在小尺度衰减中，当接收机移 动距离与波长相当时，其接收场强可以发生3或4个数量级（30dB或 40dB）的变化。当移动台远离发射机时，当地平均场强逐渐减弱，该 平均接收场强由大尺度传播模型预测。典型地，当地平均接收场强由从 5 到40 范围内信号测量平均值计算得到，对于频段从1GHz到2GHz的蜂 窝系统，相应测量在1米到10米范围内。
几种对流层延迟改正模型的分析与比较

几种对流层延迟改正模型的分析与比较

为了进一步分析三种对流层模型的改正效果 , 选取 PRN26号卫星 ,绘制不同高度角下不同模型求 得的对流层延迟变化图 ,如图 1 所示 。图中出现的 SH代表 Simp lified Hopfield模型 , MH 代表 Modified Hopfield模型 。
图 1 三种模型算得的 PRN26对流层延迟随高度 角变化图
摘要 :在高精度 GPS变形监测数据处理中 , GPS信号在对流层传播中的延迟是影响其精度的主要误差源之一 ,需设法对其进行改 正 。最常用的方法是使用模型改正 ,利用 V isual C + +语言 ,实现三种对流层改正模型 ,即 : Simp lified Hopfield模型 , Saastamoinen模 型 ,Modified Hopfield模型 。通过实例对它们的改正效果进行定量分析与比较 ,得出一些有益的结论 。 关键词 :对流层延迟 ;简化 Hopfield模型 ; 改进 Hopfield模型 ; Saastamoinen模型 ; N iell投影函数
5. 对于低高度角的情况 ( < 10°) ,如在 Saasta2 moinen模型中 ,可以使用对高度角更加敏感的全球 投影函数 GM F计算对流层延迟来提高 GPS测量高 程方向的精度 ,这些还需作进一步的研究 。
2. 当高度角 ≥35°时 ,简化 Hopfield模型求得的 结果小于 Saastamoinen模型 。
3. 当高度角 ≥15°时 ,三种模型求得的结果之间 符合得很好 ,改进的 Hopfield模型和 Saastamoinen模 型求得的结果完全一样 ,与简化 Hopfield模型求得的 结果差值很小 ,仅为几个毫米 ( 15°时差值最大 ,为 8 mm,其余均在 2mm左右 )。实际运用时 ,如果观测条 件好 ,截止高度角定为 15°,可任意选取这三种模型。
半导体物理学(第7版本)刘恩科第三章习题答案

半导体物理学(第7版本)刘恩科第三章习题答案

7 （ .1 ）根据N c 2( N v 2( k 0Tm p 2
2 3 3 k 0Tmn ) 2 2 2
) 2得
2
2 2 N c 3 31 mn 0.56m0 5.1 10 kg k 0T 2 2 2 N v2 3 m 时的N 、N 0.29m0 2.6 10 31 kg （2） 77 K C 2 k 0T V ' ' N（ C 77 K） 3 T N（ T C 300K）
没有全部电离全部电离小于质数的百分比未电离施主占总电离杂全部电离的上限求出硅中施主在室温下不成立不成立成立17181617161702619026180261610101010cm成立全电离全电离10261002617141702619026102210221005100510cm即有效掺杂浓度为的掺杂浓度范围的本征浓度电离的部分在室温下不能掺杂浓度超过杂质全部电离的掺杂上以下室温的电离能上限上限上限12
p
' NC NC （
1
77 3 77 3 ） 1.05 1019 （ ） 1.37 1018 / cm 3 300 300
' NV NV （
77 3 77 3 ） 3.9 1018 （ ） 5.08 1017 / cm 3 300 300
10. 以施主杂质电离 90%作为强电离的标准，求掺砷的 n 型锗在 300K 时，以杂质电离为主的饱和区掺 杂质的浓度范围。
10.解 As的电离能E D 0.0127eV , N C 1.05 1019 / cm 3 室温300K以下，As 杂质全部电离的掺杂上 限 D 2N D E exp( D ) NC k 0T 2N D 0.0127 exp NC 0.026
电离层参数预测算法研究及其应用

电离层参数预测算法研究及其应用

电离层参数预测算法研究及其应用电离层是地球大气中的一个重要层级，它对无线通信、卫星导航和空天通信等应用领域具有重要影响。

因此，准确预测电离层参数对于优化通信系统和提高卫星导航准确性至关重要。

本文将介绍电离层参数预测算法的研究进展以及其在实际应用中的价值。

1. 电离层参数的重要性和挑战电离层是地球大气中高度电离的区域，它包括电离层电子密度（Ne）、电离层高度（h）和电离层延迟（TEC）等参数。

这些参数的变化受太阳活动、地磁活动和季节变化等因素的影响，其空间和时间分布具有高度的不规律性和动态性。

电离层参数的准确预测对于无线通信、卫星导航和航空航天等领域非常重要。

例如，电离层对超高频通信、高频通信和卫星导航信号传播具有显著影响，电离层参数的精确预测可以帮助优化通信系统、改善导航准确度和减少误差。

然而，电离层的复杂性使得准确预测电离层参数具有一定的挑战。

电离层具有空间和时间上的不均匀性，传播路径可变且多样化，这增加了预测的困难。

因此，研究电离层参数预测算法成为了一个热门课题。

2. 电离层参数预测算法的研究进展目前，电离层参数的预测主要基于数学模型和数据驱动方法。

数学模型方法通过建立描述电离层参数变化的方程来预测未来的参数。

常用的数学模型包括IFS模型、IRI模型等。

这些模型对于预测电离层参数具有一定的准确性，但由于电离层的复杂性和不规律性，模型的准确性受到一定限制。

因此，结合数据驱动方法可以提高预测的准确性。

数据驱动方法主要基于历史数据的统计分析和机器学习算法。

通过分析历史数据中的模式和趋势，建立模型并预测未来的电离层参数。

常用的数据驱动方法包括回归分析、时间序列分析、神经网络和支持向量机等。

这些方法具有较高的预测准确性，能够更好地适应电离层参数的复杂变化。

3. 电离层参数预测算法的应用电离层参数预测算法在实际应用中具有广泛的应用价值。

首先，预测电离层参数可以为无线通信提供更可靠的服务。

无线通信在不同频段和距离上的传播特性受到电离层参数的影响，因此准确预测电离层参数可以帮助优化通信系统的设计和部署，提高通信质量和信号覆盖范围。