• 
  人工智能在电离层...
  ￥77.42元

本书系统梳理人工智能方法在电离层建模中的关键技术路径与典型应用案例，重点聚焦深度学习在电子密度建模中的实际表现及其与电离层物理机制的结合方式。内容涵盖电离层结构与观测技术概述、神经网络与生成对抗网络等模型原理、时序建模与图像补全方法设计，以及融合标签图、边界引导和物理先验的创新建模策略。在模型设计方面，本书不仅探讨了单模型预测的结构演进，还提出了集成学习与结构先验相融合的建模框架，面向低纬复杂区、电离层扰动区等典型场景展开建模测试与误差分析。全书紧密结合实际观测数据与典型应用任务，形成了从物理背景到方法实现的完整链条，体现了人工智能技术在提升空间天气建模精度、时效性与可靠性方面的广阔前景。

样章试读

• 暂时还没有任何用户评论

总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

• 暂时还没有任何用户咨询内容

总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

用户名：	匿名用户
E-mail：
咨询内容：

• 目录
  序
  前言
  第1章 电离层基础 1
  1.1 电离层简介 1
  1.1.1 电离层分层 1
  1.1.2 太阳活动 2
  1.1.3 地磁活动 4
  1.2 电离层观测手段综述 6
  1.2.1 地基观测数据 6
  1.2.2 天基探测数据 10
  1.3 IGS TEC地图 12
  第2章 电离层建模人工智能基础 14
  2.1 人工神经网络 14
  2.2 卷积神经网络 15
  2.2.1 全连接层 15
  2.2.2 卷积层 16
  2.2.3 池化层 16
  2.3 生成对抗网络 17
  2.3.1 基本网络结构 18
  2.3.2 基本模型的目标函数 18
  2.3.3 生成对抗网络的优缺点及改进 19
  2.4 模型性能评价指标与验证方法 20
  2.4.1 模型性能评价指标 20
  2.4.2 回归模型评价指标 21
  2.4.3 分类模型评价指标 21
  2.4.4 图像质量评估方法 22
  2.5 开源工具与建模平台 24
  2.5.1 PyTorch 24
  2.5.2 TensorFlow 25
  2.5.3 其他辅助工具 25
  第3章 电离层总电子含量预报建模方法 27
  3.1 全球TEC预报建模 27
  3.1.1 数据 28
  3.1.2 模型构建 28
  3.1.3 结果和讨论 32
  3.1.4 小结 38
  3.2 基于标签图的全球TEC预报建模 38
  3.2.1 数据 39
  3.2.2 方法 39
  3.2.3 结果和讨论 43
  3.2.4 小结 52
  3.3 基于PCA和Transformer架构的全球TEC预报 53
  3.3.1 TEC和OMNI数据集介绍 53
  3.3.2 PCA-Informer模型与其他对比模型结构 53
  3.3.3 TEC预报结果与讨论 58
  3.3.4 小结 64
  3.4 基于深度学习模型的TEC集合预报 65
  3.4.1 集合预报模型和数据介绍 65
  3.4.2 GIMs-FEM模型 66
  3.4.3 集合预报结果与讨论 68
  3.4.4 小结 73
  第4章 电离层数据补全与相关技术 75
  4.1 基于双判别器的补全模型改进算法 76
  4.1.1 模型构建 76
  4.1.2 实验数据处理与模型训练 80
  4.1.3 实验结果与分析 83
  4.1.4 小结 89
  4.2 基于pix2pixHD的TEC补全技术 89
  4.2.1 数据 89
  4.2.2 模型构建 90
  4.2.3 结果和讨论 91
  4.2.4 小结 96
  4.3 基于先验知识的全球TEC补全建模 97
  4.3.1 数据和方法 97
  4.3.2 结果和讨论 101
  4.3.3 小结 108
  第5章 电离层三维电子密度建模 109
  5.1 基于人工神经网络的低纬电离层三维电子密度建模方法 110
  5.1.1 数据 110
  5.1.2 方法 111
  5.1.3 结果和讨论 116
  5.1.4 小结 123
  5.2 基于精细化太阳活动数据的低纬度电子密度重构 124
  5.2.1 电子密度和太阳辐射、耀斑数据 125
  5.2.2 SFRNN模型介绍 127
  5.2.3 电子密度重构结果与讨论 129
  5.2.4 小结 135
  5.3 区域电离层电子密度建模 136
  5.3.1 IRI-2020电子密度数据和同化方法 138
  5.3.2 结果 140
  5.3.3 小结 142
  第6章 电离层AI模型的实际应用与前沿方向 144
  6.1 空间天气预报中的AI应用 144
  6.2 AI模型与地球空间系统耦合展望 145
  参考文献 147