基于LSTM的短波频率参数预测

• 作者: 张雯鹤 王董礼 董淑福 黄国策
• 来源期刊: 空军工程大学学报（自然科学版）
• 学科: 工学
• 关键词: 短波通信 频率预测 长短期记忆神经网络
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 电子信息与通信导航
• 页码范围: 59-64
• 页数: 6页
• 分类号: TN92
• 字数: 3994字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-3516.2019.03.010

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄国策	空军工程大学信息与导航学院	115	529	11.0	15.0
2	董淑福	空军工程大学信息与导航学院	89	650	14.0	20.0
3	王董礼	空军工程大学研究生院	7	12	2.0	3.0
4	张雯鹤	空军工程大学研究生院	2	1	1.0	1.0