| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-30页 |
| §1.1 研究背景及意义 | 第12-13页 |
| §1.2 电离层背景介绍 | 第13-18页 |
| §1.2.1 电离层分层结构 | 第13-15页 |
| §1.2.2 动力学过程 | 第15页 |
| §1.2.3 光化学过程 | 第15-17页 |
| §1.2.4 ExB的作用 | 第17页 |
| §1.2.5 电离层长期趋势变化 | 第17-18页 |
| §1.3 电离层模式研究 | 第18-22页 |
| §1.3.1 经验与半经验模式 | 第18-20页 |
| §1.3.2 理论模式 | 第20-22页 |
| §1.4 电离层f_0F_2短期预报研究 | 第22-27页 |
| §1.4.1 国内外短期预报研究概况 | 第22-24页 |
| §1.4.2 电离层f_0F_2短期预报模型研究概况 | 第24-25页 |
| §1.4.3 电离层f_0F_2暴时模型研究概况 | 第25-27页 |
| §1.5 本文工作的主要内容及框架 | 第27-29页 |
| §1.6 论文创新点 | 第29-30页 |
| 第二章 电离层控制因素及电离层f_0F_2变化 | 第30-40页 |
| §2.1 引言 | 第30页 |
| §2.2 太阳活动 | 第30-31页 |
| §2.2.1 太阳耀斑 | 第30-31页 |
| §2.2.2 太阳射电爆发 | 第31页 |
| §2.2.3 日冕物质抛射 | 第31页 |
| §2.3 地磁活动 | 第31-33页 |
| §2.3.1 地磁指数 | 第31-32页 |
| §2.3.2 行星际扰动 | 第32-33页 |
| §2.3.3 亚暴 | 第33页 |
| §2.3.4 磁暴 | 第33页 |
| §2.4 中国地区电离层F2层特征频率统计分析 | 第33-39页 |
| §2.4.1 太阳循环变化 | 第34页 |
| §2.4.2 f_0F_2总体变化特征 | 第34-36页 |
| §2.4.3 季节变化和日变化 | 第36-38页 |
| §2.4.4 暴时变化 | 第38页 |
| §2.4.5 其他因素引起的变化 | 第38-39页 |
| §2.5 本章小结 | 第39-40页 |
| 第三章 基于大样本时间序列的f_0F_2短期预报 | 第40-66页 |
| §3.1 引言 | 第40页 |
| §3.2 人工神经网络理论 | 第40-43页 |
| §3.2.1 人工神经网络模型 | 第40-42页 |
| §3.2.2 BP算法 | 第42-43页 |
| §3.2.3 人工神经网络缺点 | 第43页 |
| §3.3 利用人工神经网络方法提前1小时预报f_0F_2 | 第43-55页 |
| §3.3.1 神经网络输入和输出 | 第44-45页 |
| §3.3.2 数据选择和误差分析方法 | 第45-46页 |
| §3.3.3 预报结果 | 第46-49页 |
| §3.3.4 个例分析 | 第49-55页 |
| §3.4 利用人工神经网络方法提前一天预报f_0F_2 | 第55-60页 |
| §3.4.1 神经网络输入和输出 | 第55页 |
| §3.4.2 数据选择 | 第55页 |
| §3.4.3 预报结果 | 第55-60页 |
| §3.5 利用F10.7系数短期预报电离层f_0F_2 | 第60-64页 |
| §3.5.1 预报方法 | 第60-61页 |
| §3.5.2 预报结果 | 第61-64页 |
| §3.6 本章小结 | 第64-66页 |
| 第四章 基于小样本时间序列的f_0F_2短期预报 | 第66-86页 |
| §4.1 引言 | 第66页 |
| §4.2 统计学习理论 | 第66-68页 |
| §4.2.1 VC维 | 第67页 |
| §4.2.2 结构风险最小化原则 | 第67-68页 |
| §4.3 支持向量机 | 第68-74页 |
| §4.3.1 线性支持向量机 | 第68-71页 |
| §4.3.2 非线性支持向量机 | 第71-72页 |
| §4.3.3 支持向量机回归 | 第72-74页 |
| §4.3.4 支持向量机的优缺点 | 第74页 |
| §4.4 利用支持向量机提前1-5小时预报f_0F_2 | 第74-82页 |
| §4.4.1 f_0F_2支持向量机输入和输出 | 第75页 |
| §4.4.2 数据选择 | 第75页 |
| §4.4.3 预报结果 | 第75-82页 |
| §4.5 利用支持向量机提前24小时预报f_0F_2 | 第82-84页 |
| §4.5.1 支持向量机输入和输出 | 第82页 |
| §4.5.2 预报结果 | 第82-84页 |
| §4.6 本章小结 | 第84-86页 |
| 第五章 利用集合卡尔曼滤波优化f_0F_2预报结果 | 第86-104页 |
| §5.1 引言 | 第86页 |
| §5.2 集合卡尔曼滤波的主要思路和计算流程 | 第86-92页 |
| §5.2.1 卡尔曼滤波 | 第86-89页 |
| §5.2.2 集合卡尔曼滤波 | 第89-90页 |
| §5.2.3 集合卡尔曼滤波的优点 | 第90-91页 |
| §5.2.4 集合卡尔曼滤波的存在问题 | 第91-92页 |
| §5.3 利用卡尔曼滤波优化提前24小时预报f_0F_2结果 | 第92-98页 |
| §5.3.1 神经网络的输入和输出 | 第92-93页 |
| §5.3.2 数据选择 | 第93页 |
| §5.3.3 优化结果 | 第93-98页 |
| §5.4 利用集合卡尔曼滤波优化提前一天预报f_0F_2结果 | 第98-102页 |
| §5.4.1 神经网络的输入和输出 | 第98页 |
| §5.4.2 数据选择 | 第98页 |
| §5.4.3 优化结果 | 第98-102页 |
| §5.5 本章小结 | 第102-104页 |
| 第六章 中国电离层f_0F_2区域预报 | 第104-126页 |
| §6.1 引言 | 第104页 |
| §6.2 f_0F_2逐日变化时间相关性和空间相关性 | 第104-108页 |
| §6.2.1 f_0F_2逐日变化时间相关性 | 第104-105页 |
| §6.2.2 f_0F_2逐日变化空间相关性 | 第105-108页 |
| §6.3 Kriging算法 | 第108-111页 |
| §6.4 中国电离层时空预报f_0F_2方法 | 第111-117页 |
| §6.4.1 预报方法的输入和输出 | 第111页 |
| §6.4.2 样本选择 | 第111-112页 |
| §6.4.3 预报结果 | 第112-117页 |
| §6.5 中国区域短期预报f0F2方法 | 第117-125页 |
| §6.5.1 Kriging参数的选择 | 第117-119页 |
| §6.5.2 重构实例 | 第119-122页 |
| §6.5.3 重构方法在中国地区电离层短期预报中的应用 | 第122-125页 |
| §6.6 本章小结 | 第125-126页 |
| 第七章 中低纬地区电离层暴时f_0F_2预报方法 | 第126-154页 |
| §7.1 引言 | 第126-127页 |
| §7.2 中低纬电离层暴扰动形态分析 | 第127-133页 |
| §7.2.1 行星际-地磁扰动事件 | 第127-130页 |
| §7.2.2 中低纬电离层对行星际磁场南向翻转的响应 | 第130-133页 |
| §7.3 地磁预报 | 第133-136页 |
| §7.3.1 数据选择 | 第134页 |
| §7.3.2 神经网络的输入和输出 | 第134页 |
| §7.3.3 预报结果 | 第134-136页 |
| §7.4 中低纬地区电离层暴时f_0F_2预报方法研究 | 第136-152页 |
| §7.4.1 低纬地区电离层暴时f_0F_2预报方法 | 第137-142页 |
| §7.4.2 中纬地区电离层暴时f_0F_2预报方法 | 第142-152页 |
| §7.5 本章小结 | 第152-154页 |
| 结束语 | 第154-156页 |
| 参考文献 | 第156-170页 |
| 致谢 | 第170-172页 |
| 攻读博士学位期间的研究成果 | 第172-174页 |
