Please use this identifier to cite or link to this item: http://hdl.handle.net/11455/10212
標題: 利用最小二乘支持向量機進行電離層全電子含量預報之研究
A Study of Prediction Ionospheric Total Electron Content by Least Squares Support Vector Machine
作者: 葉欣豪
Ye, Xin-Hao
關鍵字: 電離層;ionospheric;全電子含量;預測;最小二乘支持向量機;TEC;prediction;LSSVM
出版社: 土木工程學系所
引用: 1. 付元元、任東(2010),支持向量機中核函數及其參數選擇研究,科技創新導報,第9期,第6-7頁。 2. 吳相忠(2004),利用GPS觀測量構建台灣南部地區網格式電離層模型,國立政治大學碩士論文。 3. 李志剛、程宗頤、馮初剛、李偉超、李慧如(2007),電離層預報模型研究,地球物理學報,第50卷,第2期,327-337頁。 4. 江枝華(2003),所得稅稅收預測及其管理之研究,國立政治大學碩士論文。 5. 李振燾(1995)構建與評估電離層遲延模式以增益 GPS 高度之精度,行政院國家科學委員會專題研究計畫成果報告No.NSC84 2211 E014 002。 6. 沈昱廷(2011),以最小二乘支持向量機擬合區域性大地起伏值之研究─以台中地區為例,國立中興大學土木工程學系碩士論文。 7. 周奇(2009),對支持向量機幾種常用核函數和參數選擇的比較研究,福建電腦,第6期,第42-43頁。 8. 林宗勳,(2000),Support Vector Machines簡介,台灣大學資訊工程研究所。 9. 林冠中,(2005),漸進式支持向量機於人臉辨識之應用,國立成功大學資訊工程學系碩士論文。 10. 張逸凡,(2005),支持向量機在即時河川水位預報之應用,國立成功大學水利及海洋工程研究所碩士論文。 11. 奉國和(2011),SVM分類核函數及參數選擇比較,計算機工程與應用,第47期,第3卷,第123-128頁。 12. 祁神軍、張雲波、丁烈雲(2010),建設工程項目工序的LSSVM工期預測模型,華僑大學學報(自然科學版),第31卷,第5期,562-565。 13. 胡邦輝、劉丹軍、王學忠、高傳智(2011),最小二乘支持向量機在雲量預報中的應用,氣象科學,第31卷,第2期,189-193頁。 14. 夏明清、詹煜(2012a),小波時間序列在電離層TEC預報中的應用,安徽農業科學,第40卷,第11期,6702-6703頁。 15. 夏明清(2012b),電離層TEC預測方法之研究,南京信息工程大學碩士論文。 16. 孫翊驣(2010),適用於電離層高活動期間之現代化GPS長基線算法,國立成功大學碩士論文。 17. 涂裕民(2013),GPS接收儀硬體延遲偏差與低緯地區電離層模型研究,國立中興大學土木工程學系博士論文。 18. 翁利斌、方涵先、楊升高(2012),利用人工神經網路提前1h預報電離層TEC,空間科學學報,第32卷,第2期,205-208頁。 19. 張祿(2012),基於時間序列、神經網路、灰色和組合預測對電離層TEC的預測研究,南京信息工程大學碩士論文。 20. 陳必焰、戴吳蛟、蔡昌盛、夏朋飛(2012),層析反演與神經網路方法在電離層建模及預報中的應用,武漢大學學報(信息科學版),第37卷,第8期,972-976頁。 21. 楊磊、徐洪鐘(2007),基於最小二乘支持向量機回歸的單樁豎向極限承載力預測,南京工業大學學報,第29卷,第4期,21-24頁。 22. 褚芳達(2007),低緯度電離層不規則體之 GPS 相位擾亂長期觀測,國立中央大學博士論文。 23. Davies,K.,(1990), Ionospheric Radio, Peter Peregrinus Ltd, London, UK. 24. Fletcher,R.,(1987),Practical methods of optimization,Chichester and New York: John Wiley and Sons. 25. Seeber,G.,(1993), Satellite Geodesy. Walter de Gruyter, Berlin. 26. Schunk,R.W.,and A.F.Nagy, (2000), Ionosphere: Physics, Plasma Physics, and Chemistry, Cambridge University Press, Cambridge, UK. 27. Suykens,J.A.K.,Vandewalle,J.,(1999),Least Squares Support Vector Machine classifiers.Neural Processing Letters,vol.9,no.3,pp. 293-300. 28. Hsu,C.W.,Chang,C.C.,Lin,C.J.,(2003),A Practical Guide to Support Vector Classification. Technical Report,Department of Computer Science and Information Engineering, National Taiwan University. 29. Komjathy,A,(1997),Global ionospheric total electron content mapping using the Global Positioning System. Dissertation, University of New Brunswick, Canada. 30. Lukas,L.,(2003),Least Squares Support Vector Machines Classification Applied to Brain Tumour Recognition using Magnetic Resonance Spectroscopy,PhD thesis, Faculty of Engineering, K.U.Leuven (Leuven, Belgium). 31. Watthanasangmechai, K,Supnithi, P, Lerkvaranyu, S, Tsugawa, T, Nagatsuma, T, Maruyama, T,(2012), TEC prediction with neural network for equatorial latitude station in Thailand, EARTH PLANETS AND SPACE,vol.64,no.6,pp.473-483 32. Xian,G.M.,Zeng,B.Q.,Xian,G.L.,(2009), DNA Classification based on Least Square Wavelet Support Vector Machine. Computer Engineering and Applications,vol.45, no.12,pp.222-225.
摘要: 
GPS 衛星定位系統,在導航的用途上發展快速,但它的定位精度會受到環境的干擾,美國關閉SA效應(Selective Availibility)後,影響GPS定位精度最多的為電離層誤差,電離層的電磁波折射會產生時間延遲誤差,處理的方法為雙頻觀測量進行適當的線性組合可以加以消除該項延遲誤差。單頻觀測量利用差分技術可減弱大部分電離層的誤差影響量,尤其是當兩接收站較距離較近時。但隨著基線增長,測站之間的空間相關性逐步降低,在觀測量差分上則未能有效消去電離層誤差,此時通常先利用電離層模式進行電離層誤差改正,而導航電文中廣為應用的Klobuchar模式,根據文獻表示約只能改正50%~75%,因此本研究期望預報出更精準的資料進行改正。
電離層全電子含量(Total Electron Content,TEC)資料,是描述電離層型態和結構重要的參數,可讓我們帶入電離層延遲公式中獲得電離層延遲量,因此本研究希望提前預報TEC,以即時改正電離層延遲,本研究使用最小二乘支持向量機(LSSVM)預報電離層的TEC,並對其成果進行比較分析。
以2011年台灣為實驗範圍,以LSSVM連續進行360天預測,與IGS提前一天預報資料相比,平均誤差提升0.73TECU,誤差百分比在5%以下多44天,本研究預測精度有所提升。

GPS satellite positioning system development of rapid on navigation but positional accuracy was interference by the environment. The factor influence GPS positional accuracy is ionospheric error that radio wave refraction produce time delay error. Use the dual-band observations appropriate and linear combination can be eliminated. Single-frequency observations using differential technology can be reduced most of the errors, especially when two receivers close to each other. Spatial correlation between the receivers gradually reduces by the baseline growth. Observations differential fails to effectively eliminate the ionospheric error, usually use ionospheric model to amend. Klobuchar model just can amend of 50% to 75%. Therefore, my research expects to forecast more accurate information is corrected.
The information of Total Electron Content describes the structure and patterns of the ionospheric. By the research function can calculate ionosphere delay measure. Therefore, in my research both use the least squares support vector machine comparative analysis to forecast TEC, hope in advance and real-time correction of ionospheric delay.
Experimental range is 2011 of Taiwan. Use LSSVM continuous 360 days forecast, compared to one day in advance with the IGS forecast data, the average error enhance 0.73TECU and error percentage less 95% for more than 44 days. Based on these research data can proof my research improved the prediction accuracy.
URI: http://hdl.handle.net/11455/10212
其他識別: U0005-2008201301282500
Appears in Collections:土木工程學系所

Show full item record
 
TAIR Related Article

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.