利用装袋树进行幅度闪烁预报
机器学习
2022-10-03 v2 大气与海洋物理
摘要
电离层内存在的电子密度不规则体引起全球导航卫星系统(GNSS)信号的显著波动。信号功率的波动被称为幅度闪烁，可通过 S4 指数进行监测。在无法获取实时数据时，基于历史 S4 指数数据预报幅度闪烁的严重程度是有益的。在本工作中，我们研究利用单个 GPS 闪烁监测接收器的历史数据训练机器学习(ML)模型，以针对时空参数预报幅度闪烁的严重程度(弱、中或强)的可能性。评估了六种不同的 ML 模型，其中装袋树模型在它们中最为准确，在使用平衡数据集时达到 的预报准确率，在使用不平衡数据集时达到 。
引用
@article{arxiv.2207.08745,
title = {Amplitude Scintillation Forecasting Using Bagged Trees},
author = {Abdollah Masoud Darya and Aisha Abdulla Al-Owais and Muhammad Mubasshir Shaikh and Ilias Fernini},
journal= {arXiv preprint arXiv:2207.08745},
year = {2022}
}
备注
This paper was presented at IGARSS 2022, Kuala Lumpur, Malaysia. doi: 10.1109/IGARSS46834.2022.9883380