基于LSTM的短波频率参数预测
张雯鹤1
黄国策2
董淑福2
王董礼1
1.空军工程大学研究生院,西安,7100512.空军工程大学信息与导航学院,西安,710077
摘要：针对现有短波通信频率参数预测方法操作繁琐、预测精度不足的缺点,首次提出一种基于长短期记忆型循环神经网络(LSTM RNN)的预测方法.通过对电离层参数f0F2数据的分析,利用LSTM在处理时序相关数据时可以长期记忆网络历史数据的优势,对f0F2值进行预测.对比反向传播神经网络(BPNN),LSTM将误差降低了7％,并将均方误差控制在2％以下.研究结果表明:基于LSTM搭建的提前预报5天的f0F2值的模型是可行的且比BP神经网络更适合预测电离层的f0F2值.
关键词：短波通信频率预测长短期记忆神经网络
分类号：TN92(无线通信)
资助基金：国家自然科学基金(61701521)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 59-64 )
英文信息