利用機器學習方法以掩星觀測資料建構電離層資料同化預測模式;Using Machine Learning Method to Develop a Radio Occultation Data Based Ionospheric Data Assimilation Forecast Model

NCU Institutional Repository > 研究中心 > 太空科學與科技研究中心 > 研究計畫 > Item 987654321/91025

請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/91025

題名:	利用機器學習方法以掩星觀測資料建構電離層資料同化預測模式;Using Machine Learning Method to Develop a Radio Occultation Data Based Ionospheric Data Assimilation Forecast Model
作者:	林其彥
貢獻者:	國立中央大學太空科學與科技研究中心
關鍵詞:	電離層資料同化模式;福衛三號;福衛七號;電波掩星觀測;機器學習;電離層預測模式;Ionospheric Data Assimilation Model;FORMOSAT-3/COSMIC (F3/C);FORMOSAT-7/COSMIC-2 (F7/C2);Radio Occultation;Machine Learning;Ionospheric Forecast Model
日期:	2023-07-17
上傳時間:	2023-07-18 13:51:04 (UTC+8)
出版者:	國家科學及技術委員會
摘要:	全球電離層規範GIS為台灣福衛七號衛星電離層加值產品，提供每小時全球三維電離層電子密度結構。目前GIS已開始受到國內外學界重視，許多學者以開始使用GIS進行最新的太空科學研究。此研究計畫將使用機器學習方法以及海量的掩星觀測資料建構一個電離層電子密度預測模式並用以取代GIS現階段的資料同化預測步驟，以提升GIS的準確度以及更好的對太空天氣進行監控和預測。此研究將有助提升福衛七號電離層加值產品在國內外學界的影響力。準確的近即時及預報電離層三維結構將有助衛星定位減少電離層的影響，以增加定位準確度。
關聯:	財團法人國家實驗研究院科技政策研究與資訊中心
顯示於類別:	[太空科學與科技研究中心] 研究計畫

文件中的檔案:

檔案	描述	大小	格式	瀏覽次數
index.html		0Kb	HTML	43	檢視/開啟

在NCUIR中所有的資料項目都受到原著作權保護.

社群 sharing

資料載入中.....