返回
Stacking data analysis method for Langmuir multi-probe payload
DOI:10.3389/fspas.2025.1614225.png)
摘要
En 中文
电离层中存在大量小尺度的电子密度不规则体。多针状朗缪尔探针(m-NLPs)的协同工作能够实现高空间分辨率的电子密度原位测量。然而,基于轨道运动限制(OML)理论的理论分析方法无法准确估计电子密度,即使在更高分辨率下,也受到卫星测量限制的影响。此外,由于卫星充电和飞行尾迹的影响,多探针之间的收集电流一致性较低,导致测量结果引入显著误差。本研究采用堆叠算法处理m-NLP数据,并引入国际参考电离层(IRI)模型校正预测的电子密度(Ne)值。堆叠模型的集成特性充分利用了多层感知器(MLP)、支持向量回归(SVR)、K近邻(KNN)和轻量梯度提升机(LightGBM)等模型的优点。集成机器学习方法与IRI模型的结合显著提高了m-NLP获取的电子密度测量精度。结果表明,即使多探针收集的电流一致性较差,采用此方法的预测结果的判定系数(R2)仍可达到0.9553,较传统诊断方法提高了0.5079。
Keyword:
ionosphere
electron density
needle Langmuir probes
machine learning
IRI model
期刊
F
IF:
2.6
论文数:
420
被引数:
3.7K
机构
引用论文
Impacts of ionospheric scintillations on GPS receivers intended for equatorial aviation applications
m‐NLP Inference Models Using Simulation and Regression Techniques使用模拟和回归技术的m-NLP推理模型。J. Geophys. Res. Space Phys. 128 (2), e2022JA030835
Review of ionospheric irregularities and ionospheric electrodynamic coupling in the middle latitude region中纬度地区电离层不规则性与电离层电动力学耦合研究综述

