基于灰色理論的foF2 短期預報方法

劉蕓江 肖 瑤 李 曼 戴 鉑

（空軍工程大學信息與導航學院，陜西 西安710077）

引 言

電離層對短波通信、地空和星間信息鏈路以及空間平臺的運行有重要影響，嚴重時甚至造成系統功能的部分喪失［1］，因此，建立電離層預報模型，實時調整系統工作參數，對維持系統的工作性能至關重要.

電離層F2層臨界頻率foF2是電離層最重要的參數之一，能反映電離層的平均特性，該參數一直是國內外的研究熱點.foF2可以通過長期預報模型進行預報，但是在一些對實時性要求比較高的應用中，采用1～3d的短期預報更具實際意義［2］，長期以來，國內外學者對該類問題開展了大量研究［3］：自相關分析法［4-5］，采用線性濾波器的方法處理以往的觀測數據進行預報；多元線性回歸法［6-7］，利用大量觀測數據訓練相關系數進行預報；人工神經網絡法［8-9］模擬電離層非線性變化過程，預報尺度靈活；暴時電離層預報模型［10］充分利用觀測點所在的地磁緯度和季節等影響因素，修正預報結果；電離層同化模型［11］引入數據攝入技術，對觀測數據進行同化處理；相似日方法［12］基于自相關分析法，在觀測數據中尋找相似序列進行預報；綜合預報模型［13］合理確定不同預報方法權值，充分發揮各方法的特點進行預報.目前，采用灰色理論開展短期預報的研究還未見報道.在分析電離層foF2觀測數據的基礎上，試圖基于灰色理論實現foF2參數短期預報.

1 理論分析

1.1 灰色理論基本原理

灰色理論是針對數據量少，無經驗的不確定性問題而提出的，其中GM（1，1）模型是灰色理論預測的核心模型［14］，其工作原理如圖1所示.

圖1 GM（1，1）模型工作原理圖

圖1中，AGO表示累加處理，MEAN表示均值處理；a為模型發展系數；b是通過辨識得到的灰作用量，作為灰因；x（0）（k）為實際觀測數據，作為白果.GM（1，1）模型的工作原理符合灰因白果律，以灰色理論為基礎，弱化原始時間序列的隨機性，建立微分方程形式的預報模型，具體表達式為

1.2 建模分析

目前電離層變化無法用解析方法來精確描述，但其在短時間內變化較為平穩，且具有一定的相關性，這種相關性可以用于預報［15］.短期內電離層觀測數據是灰色少量的，不能建立白色預報模型，因此，可基于灰色理論對foF2的短期預報展開研究.

1）灰色距離信息熵

用于預報的電離層觀測數據時間尺度關系到預報模型的精度與效率.將已觀測記錄的foF2日中值等間隔的排列成一個樣本序列S，如式（2）所示

式中，N為灰色預報長度.

選取樣本序列S的均值ˉS為參考值，根據灰關聯系數和范數定義，利用灰色距離測度來分析數據，確定ˉS的最佳數值.

離散樣本序列中的s-i與ˉS的灰色距離測度如式（3）所示

式中，ξ為分辨系數，且ξ∈（0，1］.

灰色距離信息量如式（4）所示

樣本序列S的灰色距離信息熵如式（5）所示

對于樣本序列S，數據s-i的GI（s-i）越小，則該樣本點數據之間不確定性越小［14］，而GH（S）值在一定程度上反映了樣本序列的不確定性，選取最佳N值使樣本序列的GH（S）值最小.

2）基于殘差修正的GM（1，1）模型

令S1為樣本序列S的AGO序列，根據式（1），則樣本序列S的預報模型數學表達式

式中：s（k）對應樣本序列S中的s-k；p1（k）為白化背景值，其值為S1的緊鄰均值生成序列.

為提高GM（1，1）模型預報的精度，建立殘差值ε（k）的GM（1，1）模型，利用殘差 GM（1，1）模型的預報值（N＋m）補償原預報值（N＋m）.

對殘差序列｛ε（k）｝以長度為 N-l截尾，得到建模可用的殘差尾段序列εtail，如式（10）所示

為殘差截尾序列εtail建立式（1）模型，其時間響應函數為

通過建立基于殘差修正的GM（1，1）模型獲取指定時間的預報值，N點以后m點預報值即為ε（M＋m）.

3）誤差處理

由式（9）、（12）可得預報模型的最終殘差值

樣本序列S預報模型的相對殘差Δ（k）和平均相對殘差Δ（aνg）為

令 E＝［ε′（1），ε′（2），…，ε′（N）］、Q＝（CTC）-1，則預報值均方差δ（k＋1）估算公式為

預報值精度ρ如式（16）所示

2 實驗結果分析

分析所用foF2數據來自文獻［16］，觀測站地理位置如表1所示.

表1 觀測站地理位置

根據式（5），取 N 值范圍為［2，60］，計算2009年4個觀測站foF2日中值的平均灰色距離信息熵，如圖2所示.

圖2 2009年各站foF2的平均灰色距離信息熵

圖2中，平均灰色距離信息熵出現兩個谷值，分別處在 ［6，9］和［26，28］區間.因此，當 N 取值為［6，9］或 ［26，28］區間內時，樣本序列數據之間的不確定性可認為最小，但在區間 ［6，9］中，平均灰色距離信息熵取值相對震蕩不穩定，本文取N值的最佳大小為27，這也體現了太陽自轉對地球造成27 d周期性的影響作用.

利用2009年北京站觀測的foF2日中值，建立灰色預報長度為27的基于殘差修正的GM（1，1）預報模型，提前1d預報foF2日中值，如圖3所示.每日foF2日中值的預報值變化相對平滑，與觀測值較為吻合.雖秋季預報誤差較大，該季節太陽活動相對較為劇烈［16］，但從總體上很好地反映了電離層foF2值的變化特征.

分別對2009年各站觀測數據進行預報檢驗，針對不同季節，按照提前1、2和3d計算預報平均誤差.foF2預報值平均相對殘差Δ（aνg）如表2所示， 平均精度ρ如表3所示.

表2 不同季節各站foF2預報值平均相對殘差/MHz

圖3 2009年北京站foF2預報值與觀測值比較

表3 不同季節各站foF2預報值平均精度/%

由表2和表3可得：1）foF2的短期預報平均誤差與電離層本身的變化特性類似，與地理位置、季節、太陽活動性有關；2）秋季的預報殘差較大、精度較低，這與太陽活動水平有關；3）低緯度地區的預報殘差較中緯度地區大，這是由于中國低緯度觀測站位于電離層赤道異常駝峰附近，該區域電離層變化異常劇烈；4）從數值上看，提前1d預報平均相對殘差 在 ［0.13，0.94］MHz 以 內，平 均 精 度 在［90.1%，97.9%］以內，提前2d預報平均相對殘差在 ［1.47，2.82］MHz以內，平均精度在 ［70.7%，84.4%］以內，而提前3d預報平均相對殘差在［2.33，3.62］MHz以 內，平 均 精 度 在 ［62.4%，70.4%］以內.

3 結 論

本文將灰色理論應用于電離層foF2短期預報中，以灰色距離信息熵判定N值的最佳大小，構建基于殘差修正的GM（1，1）預報模型，并以2009年中國地區多個觀測站的觀測數據進行檢驗，結論如下：

1）平均灰色距離信息熵的計算結果反映了太陽自轉造成的27d周期性影響作用；

2）由于電離層赤道異常駝峰的影響，低緯度地區預報精度明顯低于高緯度地區，且在太陽活動較為劇烈的季節，預報模型誤差較大；

3）基于灰色理論的預報模型，提前1d預報結果的平均相對殘差在1MHz以內，預報值精度均在90%以上.

該預報方法數學模型易于建立，數據量要求低，適用于提前1d預報，對今后的電離層預報研究具有一定的參考價值.

［1］陳 春，吳振森，孫樹計，等.利用F10.7短期預報電離層foF2［J］.空間科學學報，2009，29（4）：383-388.CHEN Chun，WU Zhensen，SUN Shuji，et al.Shortterm forecasting of the ionosphere foF2with F10.7［J］.Chin J Space Sci，2009，29（4）：383-388.（in Chinese）

［2］劉二小，胡紅橋，劉瑞源，等.中山站高頻雷達回波的日變化特征及地磁活動的影響［J］.地球物理學報，2012，55（9）：3066-3076.LIU Erxiao，HU Hongqiao，LIU Ruiyuan，et al.Diurnal variation of the HF radar echoes at Zhongshan Station and the influence of geomagnetic activity［J］.Chin J Geophys，2012，55（9）：3066-3076.（in Chinese）

［3］孔慶顏，馮 靜，柳 文，等.電離層參數短期預報研究進展［J］.地球物理學報進展，2010，25（6）：1968-1976.KONG Yanqing，FENG Jing，LIU Wen，et al.Development on short-term prediction of Iononspheric Parameters［J］.Progress in Geophys，2010，25（6）：1968-1976.（in Chinese）

［4］MUHTAROV G，KUTIEV I.Autocorrelation method for temporal interpolation and short-term prediction of ionospheric data［J］.Radio Science，1999，34（2）：459-464.

［5］劉瑞源，王建平，武業文，等.用于中國地區電離層總電子含量短期預報方法［J］.電波科學學報，2011，26（1）：18-24.LIU Ruiyuan，WANG Jianping，WU Yewen，et al.Method for short-term forecasting of ionospheric tatal electron content in Chinese region［J］.Chinese Journal of Radio Science，2011，26（1）：18-24.（in Chinese）

［6］MARIN D，MIRO G MIKHAILOV A V.A method for foF2short-term prediction［C］∥ 4th COST 251 Workshop proceedings.Madeira，1999：214-222.

［7］劉瑞源，吳 健，張北辰.電離層天氣預報研究進展［J］.電波科學學報，2004，19（增刊）：35-40.LIU Ruiyuan，WU Jian，ZHANG Beichen.Development on ionospheric weather prediction［J］.Chinese Journal of Radio Science，2004，19（Sup.）：35-40（in Chinese）.

［8］陳 春，吳振森，孫樹計，等.利用神經網絡預報中國地區電離層foF2［J］.空間科學學報，2011，31（3）：304-310.CHEN Chun，WU Zhensen，SUN Shuji，et al.Forecasting of ionospheric foF2in China using neural network［J］.Chin J Space Sci，2011，31（3）：304-310.（in Chinese）

［9］翁利斌，方涵先，繆子青，等.利用人工神經網絡提前1h預報電離層TEC［J］.空間科學學報，2012，32（2）：204-208.WENG Libin，FANG Hanxian，MIAO Ziqing，et al.Forecasting of ionospheric TEC one hour in advance by artificial neural network［J］.Chin J Space Sci，2012，32（2）：204-208.（in Chinese）.

［10］陳丹俊，吳 健，王先義.電離層暴時的foF2預報技術研究［J］.地球物理學報，2007，50（1）：18-23.CHEN Danjun，WU Jian，WANG Xianyi.A technology study of foF2forecasting during the ionospheric disturbance［J］.Chinese J Geophys，2007，50（1）：18-23.（in Chinese）

［11］SCHUNK R W，SCHERLIESS L，SOJKA J J.Recent approaches to modeling ionospheric weather［J］.Adv Space Res，2003，31（4）：819-828.

［12］柳 文，焦培南，馮 靜，等.電離層參數的相似日短期預報方法［J］.電波科學學報，2010，25（2）：240-247.LIU Wen，JIAO Peinan，FENG Jing，et al.Method of similar days for ionospheric parameter short-term forecasting［J］.Chinese Journal of Radio Science，2010，25（2）：240-247.（in Chinese）

［13］柳 文，馮 靜，孔慶顏，等.電離層參數短期預報的綜合模型［J］.電波科學學報，2010，25（3）：492-498.LIU Wen，FENG Jing，KONG Qingyan，et al.Integrated model of ionospheric short-term forecasting［J］.Chinese Journal of Radio Science，2010，25（3）：492-498.（in Chinese）

［14］鄧聚龍.灰預測與灰決策［M］.武漢：華中科技大學出版社，2002.

［15］黃德耀.短波電路最高可用頻率準實時預報方法［J］.通信學報，1991，12（6）：103-105.HUANG Deyao.Quasi-real-time forecast method of the shortwave circuit MUF［J］.Journal of China Institute of Communications，1991，12（6）：103-105.（in Chinese）

［16］萬衛星，寧百齊，劉立波，等.中國電離層TEC現報系統［J］.地球物理學報進展，2007，22（4）：1040-1045.WAN Weixing，NING Baiqi，LIU Libo，et al.Nowcasting the ionospheric total electron content over China［J］.Progress in Geophys，2007，22（4）：1040-1045.（in Chinese）