基于GNSS的广域电离层突扰监测与应用研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 国内外研究发展现状 | 第15-17页 |
| 1.2.1 电离层探测历史 | 第15-16页 |
| 1.2.2 电离层层析反演算法的现状 | 第16-17页 |
| 1.3 论文研究内容 | 第17页 |
| 1.4 论文章节安排 | 第17-19页 |
| 第二章 电离层特性及建模方法 | 第19-31页 |
| 2.1 电离层的基本特性 | 第19-21页 |
| 2.1.1 电离层分层结构 | 第19-20页 |
| 2.1.2 电离层扰动与空间天气事件研究 | 第20-21页 |
| 2.2 太阳活动对电离层的影响 | 第21-23页 |
| 2.3 主要电离层模型 | 第23-25页 |
| 2.4 常用电离层建模函数 | 第25-28页 |
| 2.5 电离层对GNSS信号的延迟效应 | 第28-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 基于GNSS的广域电离层层析算法 | 第31-54页 |
| 3.1 电离层层析原理 | 第31-43页 |
| 3.1.1 利用双频GNSS数据获取电离层TEC | 第33-38页 |
| 3.1.2 求解投影矩阵 | 第38-42页 |
| 3.1.3 电子密度反演算法 | 第42-43页 |
| 3.2 广域电离层层析算法 | 第43-46页 |
| 3.3 新算法的数值模拟实验 | 第46-49页 |
| 3.4 实验与结果分析 | 第49-53页 |
| 3.4.1 数据来源及预处理 | 第49-50页 |
| 3.4.2 电子密度垂直剖面分析 | 第50-51页 |
| 3.4.3 电离层层析结果分析 | 第51-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 基于递归神经网络的电离层预报模型 | 第54-67页 |
| 4.1 深度学习神经网络 | 第54-60页 |
| 4.1.1 人工神经元模型 | 第54-55页 |
| 4.1.2 BP神经网络 | 第55-57页 |
| 4.1.3 递归神经网络 | 第57-60页 |
| 4.2 建立电离层预报模型 | 第60-62页 |
| 4.2.1 实验数据和模型构建 | 第60-61页 |
| 4.2.2 预报流程和评估方法 | 第61-62页 |
| 4.3 结果分析 | 第62-66页 |
| 4.3.1 静日误差与扰动误差分析 | 第62-63页 |
| 4.3.2 日预测值 | 第63-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第五章 磁暴期间电离层扰动研究 | 第67-79页 |
| 5.1 电离层扰动监测方法 | 第67-69页 |
| 5.1.1 滑动时窗法 | 第67-68页 |
| 5.1.2 四分位距法 | 第68-69页 |
| 5.2 数据资料及预处理方法 | 第69-71页 |
| 5.3 VTEC时间序列分析 | 第71-73页 |
| 5.4 全球电离层TEC变化 | 第73-76页 |
| 5.5 全球电离层TEC异常分析 | 第76-78页 |
| 5.6 本章小结 | 第78-79页 |
| 第六章 全文工作总结与展望 | 第79-81页 |
| 6.1 总结 | 第79页 |
| 6.2 展望 | 第79-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 攻读硕士期间的研究成果 | 第86页 |
