基于优化神经网络算法的电离层 f o F 2 预测

为了提高基于反向传输（back propagation，BP）神经网络的电离层 f o F 2 预测的精度，采用了一种改进粒子群优化神经网络的方法，对BP网络的初始权值进行优化，防止出现神经网络训练中的局部最优.通过比较基于粒子群优化的神经网络预测结果与遗传算法优化的神经网络预测结果，我们发现对于BP神经网络，两种方法都有很好的性能.此外，和电离层经验模型国际参考电离层模型（international reference ionosphere 2016，IRI2016）结果进行对比，结果表明，本文提出的自适应变异粒子群（adaptive mutation particle swarm optimization，AMPSO）优化神经网络能有效提高 f o F 2 的预测精度，并在低纬地区有更好的预测效果.