首页--天文学、地球科学论文--地球物理学论文--空间物理论文--外层空间日地关系物理论文

基于深度学习的地球同步轨道高能电子积分通量预报模型研究

摘要第5-7页
abstract第7-8页
第1章 引言第14-18页
    1.1 研究背景与意义第14-16页
    1.2 高能电子通量的预报现状第16页
    1.3 本文的研究内容和结构第16-18页
第2章 高能电子预报模型第18-37页
    2.1 建模相关物理背景第18-22页
        2.1.1 高能电子的观测特征第18-19页
        2.1.2 高能电子的来源观点第19页
        2.1.3 高能电子的加速及损失机制第19-22页
    2.2 模型结果评价指标第22页
    2.3 线性滤波法第22-24页
        2.3.1 早期的线性预测滤波模型第22-23页
        2.3.2 改进的REFM模型第23-24页
    2.4 多元非线性拟合方法第24-27页
        2.4.1 低能电子预报模型第24-27页
        2.4.2 地磁脉动预报模型第27页
    2.5 基于物理方程的方法第27-30页
    2.6 机器学习方法第30-36页
        2.6.1 基于传统神经网络的预报模型第30-35页
        2.6.2 基于支持向量机的预报模型第35-36页
    2.7 小结第36-37页
第3章 深度学习建模方法第37-44页
    3.1 深度学习背景第37页
    3.2 时间序列建模第37-38页
    3.3 深度学习方法第38-42页
        3.3.1 标准的循环神经网络第38-40页
        3.3.2 长短时记忆网络第40-42页
    3.4 安装及调试环境第42-43页
    3.5 小结第43-44页
第4章 基于长短时记忆网络的高能电子积分通量预报模型第44-73页
    4.1 数据第44-47页
        4.1.1 数据来源第44-46页
        4.1.2 数据标定第46-47页
    4.2 统计分析第47-48页
    4.3 相关性分析第48-50页
    4.4 运用LSTM循环神经网络预报高能电子通量第50-72页
        4.4.1 基于日积分通量的预报模型结果分析第50-58页
        4.4.2 基于小时积分通量的预报模型结果分析第58-72页
    4.5 小结第72-73页
第5章 结论和展望第73-76页
    5.1 本研究的主要结论第73-74页
    5.2 未来工作的展望第74-76页
参考文献第76-80页
致谢第80-81页

论文共81页,点击 下载论文
上一篇:降水与土壤湿度因果关系分析及预测研究
下一篇:四羧酸构筑的金属有机框架材料的设计合成与气体吸附分离性能的研究