📄Работа №52150
Тема: ПРОГНОЗ МАКСИМАЛЬНО НАБЛЮДАЕМЫХ ЧАСТОТ ПО ДАННЫМ ЛЧМ ИОНОЗОНДА
Тип работы
Магистерская диссертация
Предмет
физика
Объем:
53 листов
Год:
2017
Просмотров:
145
4915
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Введение 3
Глава 1. Особенности зондирования ионосферы сигналами с ЛЧМ 4
1.1 Необходимость исследования эффективности
прогнозирования параметров КВ радиоканала 4
1.2 Ионосферное распространение КВ сигналов 7
1.3 Наклонное зондирование ионосферы сигналами с ЛЧМ 12
1.4 Выводы 17
Глава 2. Временное прогнозирование максимально наблюдаемых частот 18
2.1 Схема радиотрасс и экспериментальные данные 18
2.2 Методика прогнозирования 23
2.3 Эффективность временного прогнозирования 25
2.4 Выводы 32
Глава 3. Пространственный прогноз максимально наблюдаемых частот 33
3.1 Программы прогнозирования параметров КВ радиоканала 33
3.2 Методика прогнозирования и схема радиотрасс 37
3.3 Результаты прогнозирования 42
3.4 Выводы 49
Заключение 50
Литература
Глава 1. Особенности зондирования ионосферы сигналами с ЛЧМ 4
1.1 Необходимость исследования эффективности
прогнозирования параметров КВ радиоканала 4
1.2 Ионосферное распространение КВ сигналов 7
1.3 Наклонное зондирование ионосферы сигналами с ЛЧМ 12
1.4 Выводы 17
Глава 2. Временное прогнозирование максимально наблюдаемых частот 18
2.1 Схема радиотрасс и экспериментальные данные 18
2.2 Методика прогнозирования 23
2.3 Эффективность временного прогнозирования 25
2.4 Выводы 32
Глава 3. Пространственный прогноз максимально наблюдаемых частот 33
3.1 Программы прогнозирования параметров КВ радиоканала 33
3.2 Методика прогнозирования и схема радиотрасс 37
3.3 Результаты прогнозирования 42
3.4 Выводы 49
Заключение 50
Литература
📖 Введение
Статистические или геофизические модели, основанные на изучении данных о среднемесячных изменениях состояния ионосферы, часто применяются при разработке радиотехнических систем декаметрового диапазона и в долгосрочном прогнозировании условий распространения коротких радиоволн (КВ). При распределении сеансов работы средств КВ связи в течение коротких промежутков времени с точностью до дня, часа или даже минуты, необходима система контроля над изменениями состояния ионосферы, которые происходят в течение этих отрезков времени, с последующим использовании этих данных для прогнозирования состояния интересующих каналов распространения радиоволн. Совместное использование экспериментальных данных и модельных данных позволяет значительно улучшить результаты краткосрочного прогнозирования параметров распространения КВ радиоволн. Одним из основных параметров КВ радиолинии является максимально наблюдаемая частота (МНЧ). Наклонные ионозонды с линейной частотной модуляцией (ЛЧМ) могут дать точную оценку в реальном времени параметров КВ каналов.
Цель работы - исследование эффективности алгоритмов пространственного и временного прогнозирования максимально наблюдаемых частот на сети приполярных радиотрасс по данным ЛЧМ ионозонда.
Решаемые задачи:
• Обработка экспериментальных данных сети трасс наклонного радиозондирования ионосферы (использовались данные ионозонда с ЛЧМ сигналом Марийского Государственного Университета, г. Йошкар-Ола).
• Исследование алгоритмов пространственного прогнозирования МНЧ.
• Исследование алгоритмов временного прогнозирования МНЧ.
• Проведение модельных расчетов и оценка ошибок прогноза.
Цель работы - исследование эффективности алгоритмов пространственного и временного прогнозирования максимально наблюдаемых частот на сети приполярных радиотрасс по данным ЛЧМ ионозонда.
Решаемые задачи:
• Обработка экспериментальных данных сети трасс наклонного радиозондирования ионосферы (использовались данные ионозонда с ЛЧМ сигналом Марийского Государственного Университета, г. Йошкар-Ола).
• Исследование алгоритмов пространственного прогнозирования МНЧ.
• Исследование алгоритмов временного прогнозирования МНЧ.
• Проведение модельных расчетов и оценка ошибок прогноза.
✅ Заключение
Рассмотрена эффективность алгоритмов пространственного и временного прогнозирования МНЧ на основе данных наклонного зондирования ионосферы на сети приполярных радиотрасс.
Проведено исследование эффективности временного прогнозирования МНЧ для экспериментальных радиотрасс методом авторегрессионного преобразования. Установлено, что для окон в 15, 30, 45 минут ошибки близки, то для окна в 60 минут ошибка возрастает приблизительно на один процент. Это говорит о том, что в среднем время квазистационарности параметров ионосферных процессов, влияющих на значение МНЧ, на исследуемых радиотрассах составляет 45 минут.
Погрешность прогноза максимальной наблюдаемой частоты слоя E в параметров два-три раза больше погрешности прогноза максимальной частоты слоя F - при прогнозировании на 30 минут ошибки для слоя F составили 2-4 процента, а для МНЧ слоя E - 5-9 процентов. Это связано с наличием спорадической составляющей в слое E.
В рамках модели линейной зависимости прогнозного значения от экспериментальных значений представлены две методики пространственного прогнозирования МНЧ на радиолиниях не обеспеченных диагностикой: с постоянными (один алгоритм) и переменными (три различных алгоритма) коэффициентами линейной модели. Оценены ошибки прогнозирования в проведенных экспериментах для этих алгоритмов. Для модели с постоянными коэффициентами значение среднеквадратичной ошибки оказалось равным 1,45 МГц (10,9%) а для модели с переменными коэффициентами наилучший алгоритм обеспечил значение среднеквадратичной в 0,78 МГц (5,9%) - использование совместно экспериментальных и модельных данных уменьшает ошибку прогнозирования до допустимых величин.
Проведено исследование эффективности временного прогнозирования МНЧ для экспериментальных радиотрасс методом авторегрессионного преобразования. Установлено, что для окон в 15, 30, 45 минут ошибки близки, то для окна в 60 минут ошибка возрастает приблизительно на один процент. Это говорит о том, что в среднем время квазистационарности параметров ионосферных процессов, влияющих на значение МНЧ, на исследуемых радиотрассах составляет 45 минут.
Погрешность прогноза максимальной наблюдаемой частоты слоя E в параметров два-три раза больше погрешности прогноза максимальной частоты слоя F - при прогнозировании на 30 минут ошибки для слоя F составили 2-4 процента, а для МНЧ слоя E - 5-9 процентов. Это связано с наличием спорадической составляющей в слое E.
В рамках модели линейной зависимости прогнозного значения от экспериментальных значений представлены две методики пространственного прогнозирования МНЧ на радиолиниях не обеспеченных диагностикой: с постоянными (один алгоритм) и переменными (три различных алгоритма) коэффициентами линейной модели. Оценены ошибки прогнозирования в проведенных экспериментах для этих алгоритмов. Для модели с постоянными коэффициентами значение среднеквадратичной ошибки оказалось равным 1,45 МГц (10,9%) а для модели с переменными коэффициентами наилучший алгоритм обеспечил значение среднеквадратичной в 0,78 МГц (5,9%) - использование совместно экспериментальных и модельных данных уменьшает ошибку прогнозирования до допустимых величин.
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.