基于机器学习的离子层波动预测
信号处理
2024-09-04 v1 机器学习
机器学习
摘要
本研究探索了使用来自全球导航卫星系统（GNSS）波动监控接收器的历史数据来预测振幅波动严重程度的可能性。电子密度不规则在离子层中导致GNSS信号功率波动，这些波动可使用S4指数进行测量，但实时数据并非总是可用。本研究的重点是开发一种机器学习（ML）模型，用于预测振幅波动的强度，将其分为低、中或高严重程度级别，基于各种时间和空间相关因素。对六种不同的ML模型进行测试，其中XGBoost模型表现最佳，在平衡数据集训练下实现了惊人的77%预测准确率。这一工作凸显了机器学习在提高GNSS信号和导航系统可靠性和性能方面，通过准确预测振幅波动严重程度的有效性。
引用
@article{arxiv.2409.00118,
title = {Ionospheric Scintillation Forecasting Using Machine Learning},
author = {Sultan Halawa and Maryam Alansaari and Maryam Sharif and Amel Alhammadi and Ilias Fernini},
journal= {arXiv preprint arXiv:2409.00118},
year = {2024}
}