当前位置:首页 > 新闻动态 > 科研动态

空间中心科研人员利用基于动态时空分解框架的AI方法助力电离层闪烁预测

文章来源: | 发布时间:2025-07-11 | 【打印】【关闭】

电离层闪烁是由电离层不规则体引发的无线电信号波动现象,它能导致卫星信号信噪比降低,影响卫星通信的质量,使导航接收机难以锁定信号甚至完全失锁,显著降低导航系统的精度与稳定性。因此,建立准确有效的电离层闪烁预测模型,对于地空无线电系统的任务规划、导航与通信系统的可靠性提升具有重要意义。一直以来,电离层闪烁预报是空间天气预报中的一个难题。

近日,中国科学院国家空间科学中心太阳活动与空间天气全国重点实验室预报中心团队的陈艳红研究员、硕士生高志旭及其合作者,提出了一种基于动态时空分解框架的电离层闪烁预测方法。团队首先提出了一种灵活的观测数据重构策略,不仅可以将时空不规则分布的闪烁观测数据转化为模型易处理的结构化数据,而且使得模型能够直接从具有最高保真度的点观测数据中学习。

研究中所提出的闪烁预测模型架构如图1所示,该模型采用新颖的分解机制,将闪烁幅度S4指数分解为背景场和扰动场建模,并引入动态图生成器来构建观测数据的动态关系网络,使用一个编码器来聚合先验信息,以及通过一个延迟感知模块来建模闪烁与太阳辐射、地磁扰动等外部影响之间的时延效应。最后通过评估、对比、消融实验和可解释性分析,一致证明了所提出方法的有效性。

图1 电离层闪烁预测模型的总体架构

该研究可以提前1小时较为准确地预报低纬地区电离层闪烁指数的分布,该方法灵活的动态建模框架和外部变量可扩展性,可为其它空间天气事件中复杂动态系统的建模提供参考。相关研究成果发表于国际期刊Space Weather上。

图2 模型对两次闪烁事件的预报

文章链接

Gao, Z., Chen, Y., Ao, X., Yue, F., Chen, H., Deng, H., ... & Yuan, T. (2025). ISNet: Decomposed dynamic spatio‐temporal neural network for ionospheric scintillation forecasts. Space Weather, 23(6), e2024SW004239.

https://doi.org/10.1029/2024SW004239

(供稿:天气室)