RT Journal Article
T1 Método de predicción a corto-plazo de foF2 basado en modelado neuroborroso para su aplicación en sistemas de comunicación por satélite de alta precisión
A1 Córdoba Malagón, Juan Manuel
A1 Marín Santos, Diego
A1 Andújar Márquez, José Manuel
A1 Blanco, Iñigo
A1 Morena, Benito A. de la
AB En los últimos años se está prestando una atención detallada a la influencia que la ionosfera ejerce en ladeterminación de la posición mediante el uso de sistemas globales de navegación por satélite. En estecampo, la predicción a corto-plazo de las condiciones ionosféricas está adquiriendo una gran relevancia.En este trabajo se presenta una metodología para predecir con 1- 24 horas de adelanto la frecuencia críticade la capa F2 de la ionosfera, foF2. El método propuesto está basado en técnicas de inteligencia artificial,concretamente, en modelado neuroborroso. Estas técnicas no han sido muy utilizadas en modeladoionosférico, y su potencialidad y eficacia en este campo están aún por descubrir. La capacidad natural quelas técnicas neuroborrosas muestran para modelar sistemas complejos no lineales justifica su aplicación.Los modelos neuroborrosos desarrollados se han aplicado, usando observaciones de foF2 de laEstación de Slough, para predecir (1-24 horas de adelanto) bajo condiciones de calma o moderada actividadgeomagnética. Los resultados obtenidos muestran una desviación relativa media entre las observacionesreales y las predichas entre el 4 y 10%, lo que es bastante aceptable desde un punto de vistapráctico. Una primera evaluación del método para modelar foF2 durante periodos de tormentas severasha mostrado que las predicciones son eficientes únicamente a muy corto plazo (1-3 horas). El objetivofinal será comprobar la eficiencia del modelado neuroborroso para predecir con más de 3 horas deadelanto durante periodos perturbados.
AB Nowadays, a special attention is being given to the ionosphere influence on the position determinationusing global navigation satellite system. In this framework, short-term forecasting of ionosphericconditions is gaining a new importance. This work presents a new methodology to predict with 1-24 hours in advance the ionospheric F2-layercritical frequency, foF2. The proposed method is based on artificial intelligence techniques,specifically, on neuro-fuzzy modelling. Neuro-fuzzy techniques have not been extensively used inionospheric modelling but its application in this field can be efficient and provide successful results. Itis well known by scientific community the natural capability that these techniques show to modelhighly non-linear and complex systems.The method has been tested under quiet and moderately geomagnetic conditions using foF2 data fromSlough ionosonde station, providing foF2 forecast (1-24 hours in advance) with relative meandeviation between 4-10%, which is quiet acceptable from practical point of view. A first evaluation ofneurofuzzy techniques to model foF2 during severe storm periods has revealed good predictionaccuracy for only small (less than 3 hours) lead time prediction. The final purpose will be to check theefficiency of neurofuzzy modelling to predict foF2 with more than 3 hours in advance during disturbedgeomagnetic activity periods.
PB Universidad Complutense de Madrid
SN 0214-4557
SN 1988-2440 (electrónico)
YR 2008
FD 2008
LK http://hdl.handle.net/10272/7614
UL http://hdl.handle.net/10272/7614
LA spa
NO Córdoba Malagón, J.M., Marín Santos, D., Andújar Gómez, J.M., Blanco, I., Morena, B.A.: "Método de predicción a corto-plazo de foF2 basado en modelado neuroborroso para su aplicación en sistemas de comunicación por satélite de alta precisión". Vol. 20, págs. 167-182 (2008). ISSN  0214-4557
DS Repositorio Institucional de la Universidad de Huelva
RD 31 may 2026