학술논문

Assessing the performance of artificial neural networks to predict ionospheric TEC over Nigeria during different space weather events.
Document Type
Article
Source
Canadian Journal of Physics. 2021, Vol. 99 Issue 10, p913-923. 11p.
Subject
*ARTIFICIAL neural networks
*SPACE environment
*SOLAR activity
*ALGORITHMS
*COST functions
*GEOMAGNETISM
Language
ISSN
0008-4204
Abstract
Un modèle de l'ionosphère est essentiel dans un système basé sur l'utilisation des satellites, afin de corriger de façon précise l'erreur ionosphérique de la trajectoire du signal satellitaire. L'algorithme de rétropropagation de Levenberg-Marquardt (RPLM/LMBP dans un réseau neuronal artificiel (RNA/ANN) est le modèle utilisé ici pour prédire le contenu électronique total (CET/TEC) dans la dépression de l'anomalie d'ionisation équatoriale (AEI/EIA) au-dessus du Nigéria. Deux ensembles de données sont utilisées sur la période de trois années consécutives (2011–2013) de haute activité solaire. Le premier ensemble a été utilisé comme donnée d'entrée pour le RNA et le second comme cible. 70 % des ensembles de données servent pour entrainer le réseau, 15 % pour le valider et 15 % pour le tester. La validité du modèle est vérifiée pendant des périodes de conditions géomagnétiques tranquilles et actives. L'analyse par régression des résultats du modèle est optimisée en minimisant une fonction de coût de l'erreur quadratique moyenne (EQM/MSE). Le résultat pour les erreurs et les analyses comparatives montrent que le modèle RNA est capable de prédictions du CET précises et fiables, qui se comparent bien avec les valeurs expérimentales actuelles pour toute condition géomagnétique. Ainsi, ce modèle serait très utile pour prédire le CET au-dessus du Nigéria avec un bon niveau de fiabilité. [Traduit par la Rédaction] [ABSTRACT FROM AUTHOR]