《空军工程大学学报(自然科学版)》杂志社

论文阅读

基于LSTM的短波频率参数预测

张雯鹤;黄国策;董淑福;王董礼;
空军工程大学研究生院;空军工程大学信息与导航学院;

论文摘要: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(LSTMRNN)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;

基金项目:国家自然科学基金(61701521);

发表刊物:《空军工程大学学报(自然科学版)》杂志

发表期数:《空军工程大学学报(自然科学版)》2019年03期

分类代码:TN925

文内图片:

所在页码:59-64 页码总数:6 文件大小:1796K 下载次数:18
当前位置:首页 > 论文目录 >2019年03期 > 正文

投稿流程

点击作者投稿进行投稿

请确认您的稿件里已注明作者简介和联系方式,主要包括:姓名、出生年、性别、民族(汉族可略)、籍贯、学历、职称、研究方向,QQ号、邮箱、手机号码。

工作时间:8:30—18:30
投稿邮箱:fabiao@vip.126.com

非工作时间,请自觉按照要求投稿。

空军工程大学学报(自然科学版)封面
  • 主办单位:空军工程大学
  • 期刊级别:
  • 国际刊号:ISSN 1009-3516
  • 国内刊号:CN 61-1338/N
  • 出版周期:双月刊
  • 出版单位:陕西省西安市
  • 创刊时间:2000年
  • 期刊语种:中文
  • 期刊开本:16开
  • 发行方式:国内外公开发行
  • 投稿邮箱:fabiao@vip.126.com
  • 联系电话:13342512948(加微信)

往期目录