第６６卷第５期２０２３年５月地球物理学报ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＧＥＯＰＨＹＳＩＣＳＶｏｌ．６６，Ｎｏ．５Ｍａｙ，２０２３罗小敏，曹光胤，潘雄等．２０２３．联合半参数和长短期记忆神经网络的全球电离层ＴＥＣ短期预报．地球物理学报，６６（５）：１８０７－１８１９，ｄｏｉ：１０．６０３８／ｃｊｇ２０２２Ｑ０２７６．ＬｕｏＸＭ，ＣａｏＧＹ，ＰａｎＸ，ｅｔａｌ．２０２３．ＧｌｏｂａｌｉｏｎｏｓｐｈｅｒｉｃＴＥＣｓｈｏｒｔ－ｔｅｒｍｐｒｅｄｉｃｔｉｏｎｂｙｃｏｍｂｉｎｇｓｅｍｉｐａｒａｍｅｔｒｉｃａｎｄｌｏｎｇ－ｓｈｏｒｔｔｅｒｍｍｅｍｏｒｙｎｅｔｗｏｒｋｓｍｅｔｈｏｄ．ＣｈｉｎｅｓｅＪ.Ｇｅｏｐｈｙｓ.（ｉｎＣｈｉｎｅｓｅ），６６（５）：１８０７－１８１９，ｄｏｉ：１０．６０３８／ｃｊｇ２０２２Ｑ０２７６．联合半参数和长短期记忆神经网络的全球电离层ＴＥＣ短期预报罗小敏１，２，曹光胤１，潘雄３＊，边少锋１，李扬１，张旭焱１１中国地质大学（武汉）地理与信息工程学院，武汉４３００７８２中国科学院精密测量科学与技术创新研究院大地测量与地球动力学国家重点实验室，武汉４３００７７３武汉纺织大学计算机与人工智能学院，武汉４３０２００摘要半参数球谐函数（ＳｅｍｉｐａｒａｍｅｔｒｉｃＳｐｈｅｒｉｃａｌＨａｒｍｏｎｉｃ，Ｓｅｍｉ－ＳＨ）模型能减少电离层预报模型误差以及残余周期带来的系统误差．但是半参数球谐函数模型中窗宽参数的选取会带来一定的估计偏差，本文利用长短期记忆神经网络（Ｌｏｎｇ－ＳｈｏｒｔＴｅｒｍＭｅｍｏｒｙＮｅｔｗｏｒｋｓ，ＬＳＴＭ）在非平稳性时间序列预报中的良好适应性，提出了一种联合Ｓｅｍｉ－ＳＨ与ＬＳＴＭ（Ｓｅｍｉ－ＳＨ－ＬＳＴＭ）的全球电离层ＴＥＣ短期组合预报模型，适用于１—５天的短期预报．Ｓｅｍｉ－ＳＨ－ＬＳＴＭ模型通过预报球谐函数系数解算全球电离层ＴＥＣ，利用二次多项式和半参数核估计方法分别拟合球谐系数趋势项和周期项，最后基于ＬＳＴＭ对拟合残差进行补偿预报．本文利用欧洲定轨中心（ＣｅｎｔｅｒｆｏｒＯｒｂｉｔＤｅｔｅｒｍｉｎａｔｉｏｎｉｎＥｕｒｏｐｅ，ＣＯＤＥ）球谐函数系数产品，采用单天预报和多天预报两种实验方案验证Ｓｅｍｉ－ＳＨ－ＬＳＴＭ模型的有效性．实验结果表明，相比于Ｓｅｍｉ－ＳＨ模型和综合半参数与自回归模型，Ｓｅｍｉ－ＳＨ－ＬＳＴＭ模型的单天全球ＴＥＣ预报残差...
