黄佳伟，鲁铁定，鲁春阳，刘 盈

(1.东华理工大学测绘工程学院，330013，南昌；2.河南城建学院测绘与城市空间信息学院，467036，河南，平顶山；3.井冈山大学电子与信息工程学院，343009，江西，吉安)

0 引言

作为近地空间环境的重要组成部分，电离层对无线电通信、导航，卫星定位和遥感、遥测等有着重要的影响[1]。建立电离层总电子含量(Total Electric Contents，TEC)预测模型不仅为研究电离层的时空变化规律提供模型基础，也对研究地震异常探测等具有重要意义[2-3]。目前，国内外对电离层TEC值的预测根据时间长短可分为长期预测和短期预测。长期预测主要有利用TEC观测数据构建经验模型和参考电离层模型，如本特(Bent)模型、国际参考电离层模型IRI、克罗布歇(Klobuchar)模型等，其中以Klobuchar模型应用最广[1,4]。短期预测主要分为经典数学统计法和人工智能法，具体包括时间序列分析法、灰色预测模型和神经网络模型等[5-8]。如陈鹏等利用时间序列分析的方法对TEC数据进行预报，预测效果较好[5]。胡勇等提出将灰色理论运用于电离层预测当中，结果表明预测效果可行[6]。李淑慧等利用神经网络中的BP神经网络构建提前一天的TEC预报模型，结果表明预报模型可以反映不同季节的TEC变化特征[7]。然而电离层时空变化的复杂性给预报带来一定的影响，直接使用模型预测TEC数据无法达到满意的预报精度[8]。本文引入经验小波变换(Empirical Wavelet Transform，EWT)对电离层TEC数据进行分解，结合BP神经网络(Back Propagation Network)建立EWT-BP组合预测模型，以提高预报精度。

1 算法原理

1.1 BP神经网络模型

人工神经网络(Artificial Neural Network，ANN)是在现代神经科学研究成果的基础上提出的技术。……