基于动态图与轨道条件预测 GNSS 视线路径上的离子层不规则性
机器学习
2026-04-21 v1 信号处理
地球物理
空间物理
摘要
大多数数据驱动的离子层预测模型 operate on 网格化产品，这些产品不保留卫星基 sensing 的时变抽样结构。我们将离子层建模为离子层穿透点 (IPP) 上的动态图，图的拓扑随卫星位置变化而变化。由于卫星轨道是可预测的， forecast 期间的图结构可以提前构建。我们利用这一特性将图结构用于条件化 forecast，称为轨道条件化。这使得能够预测仅在 forecast 期间才出现的视线。我们在新加坡的一个协同接收器对中使用多 GNSS (全球导航卫星系统) 数据进行评估，数据跨越 2023 年 1 月至 2025 年 4 月。任务是在 5 分钟的间隔内预测最高 2 小时内的 Rate of TEC Index (ROTI) 定义的不规则性，以二进制概率分类每个节点。得到的模型 IonoDGNN 在 BSS 上达到 0.49，PR-AUC 为 0.75，相较于持久模型在 BSS 上提高 35%，在 PR-AUC 上提高 52%，且在更长的 lead time 上提升更显著。消融实验确认图结构和轨道条件化各自都有意义，对于 forecast 期间升起的卫星，条件化尤为关键（ROC-AUC: 0.95 vs. 0.52 无条件化）。在仿真覆盖 dropout 情况下，该模型通过从观测邻居的空间消息传递，在受影响节点上保持预测技能。这些结果表明，对演化视线的动态图预测是离子层不规则性预测中可行的网格表示替代方案。该模型和评估代码将在出版后发布。
引用
@article{arxiv.2604.18379,
title = {Forecasting Ionospheric Irregularities on GNSS Lines of Sight Using Dynamic Graphs with Ephemeris Conditioning},
author = {Mert Can Turkmen and Eng Leong Tan and Yee Hui Lee},
journal= {arXiv preprint arXiv:2604.18379},
year = {2026}
}
备注
14 pages, 8 figures, submitted to IEEE Transactions on Geoscience and Remote Sensing