探索概率神经网络在电离层电子密度估计中的应用

传统神经网络（NN）在预测建模中的一个基本局限是无法量化其输出的不确定性。在定位系统等关键应用中，理解预测的可靠性对于构建置信区间、预警系统以及有效传播结果至关重要。例如，卫星导航中的精密单点定位严重依赖于辅助数据（轨道、时钟、电离层和对流层）的精确误差模型来计算精确的误差估计。此外，在安全关键应用中，需要这些不确定性估计来建立稳健的保护水平。为了应对这一挑战，本文的主要目标是探索一个能够同时提供电离层垂直总电子含量（VTEC）点估计及相关不确定性测量的潜在框架。在此背景下，概率神经网络（PNN）提供了一种实现该目标的有前景的方法。然而，构建有效的 PNN 需要对隐藏层和输出层进行精心设计，并为网络权重和偏差仔细定义先验和后验概率分布。本研究的一个关键发现是，PNN 模型在 VTEC 估计中提供的不确定性可能被系统性低估。在低纬度地区，观测到的实际误差高达模型估计值的两倍。预计这种低估在太阳活动极大期会更加显著，这与 VTEC 值的增加相关。