欢迎访问《空军工程大学学报》官方网站!

咨询热线:029-84786242 RSS EMAIL-ALERT
基于LSTM的短波频率参数预测
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

TN92

基金项目:

国家自然科学基金(61701521)


A Prediction of Frequency Parameters Based on LSTM for High Frequency Communication
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对现有短波通信频率参数预测方法操作繁琐、预测精度不足的缺点,首次提出一种基于长短期记忆型循环神经网络(LSTM RNN)的预测方法。通过对电离层参数f0F2数据的分析,利用LSTM在处理时序相关数据时可以长期记忆网络历史数据的优势,对f0F2值进行预测。对比反向传播神经网络(BPNN),LSTM将误差降低了7%,并将均方误差控制在2%以下。研究结果表明:基于LSTM搭建的提前预报5天的f0F2值的模型是可行的且比BP神经网络更适合预测电离层的f0F2值。

    Abstract:

    Aimed at the problems that in the existing high frequency communication, the frequency parameter prediction methods are tedious formalities in operation and shortage in precision, this paper presents a prediction model of frequency parameters of shortwave communication based on long shortterm memory recurrent neural networks. This neural network can break through the limitations of traditional neural networks and establish longterm correlations on data sequences. The experimental results show that the mean square error (MSE) can be control below 2% and the model reduced the error by 7%. And this method is effective and superior to the traditional prediction method.

    参考文献
    相似文献
    引证文献
引用本文

张雯鹤,黄国策,董淑福,王董礼.基于LSTM的短波频率参数预测[J].空军工程大学学报,2019,20(3):59-64

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2019-07-04
  • 出版日期: