Chinesisches Forschungsteam verbessert Vorhersage von Ionosphärenspritzen mit AI-Methode

Forscher im Labor nutzen AI-basierte Methoden zur Vorhersage von Ionosphärenfunkeln – Nationales Schwerpunkt-Labor für Sonnenaktivität und Raumwetter Ionosphärenfunkeln ist ein Phänomen, das durch unregelmäßige Strukturen in der Ionosphäre verursacht wird und zu Schwankungen in Funksignalen führt. Dies kann die Signal-Rausch-Verhältnisse von Satelliten reduzieren und die Qualität der Satellitenkommunikation beeinträchtigen. Navigationsempfänger haben Schwierigkeiten, Signale zu verfolgen, und können sogar komplett den Kontakt verlieren, was die Genauigkeit und Stabilität des Navigationsystems erheblich verringert. Daher ist die Entwicklung genauer und effektiver Vorhersagemodelle für Ionosphärenfunkeln von großer Bedeutung für die Planung von Boden-Luft-Radio-Systemen und die Verbesserung der Zuverlässigkeit von Navigations- und Kommunikationssystemen. Die Vorhersage von Ionosphärenfunkeln war bisher eine Herausforderung in der Raumwettervorhersage. Kürzlich hat ein Team um Luo Bingxian vom Vorhersagezentrum des Nationalen Schwerpunkt-Labors für Sonnenaktivität und Raumwetter der Chinesischen Akademie der Wissenschaften eine neue Methode entwickelt, die auf einer dynamischen räumlich-zeitlichen Zerlegungsstruktur basiert. Das Team schlug eine flexible Strategie zur Rekonstruktion von Beobachtungsdaten vor, die es ermöglicht, nicht gleichmäßig verteilte Funkelbeobachtungsdaten in strukturierte Daten umzuwandeln, die leichter für Modelle verarbeitet werden können. Dies ermöglicht es auch, dass das Modell direkt aus Beobachtungsdaten mit höchster Treue lernen kann. Das vorgeschlagene Vorhersagemodell für Ionosphärenfunkeln, wie in Abbildung 1 dargestellt, nutzt eine innovative Zerlegungsmechanik, die den S4-Index, einen Maßstab für die Intensität von Funkeln, in ein Hintergrundfeld und ein Störungsfeld zerlegt. Ein dynamischer Graphengenerator wird verwendet, um die dynamischen Beziehungsnetze der Beobachtungsdaten zu konstruieren. Ein Encoder aggregiert vorherige Informationen, während ein delay-aware-Modul die zeitliche Verzögerungseffekte zwischen Funkeln und externen Einflüssen wie Solareinstrahlung und geomagnetische Störungen modelliert. Die Wirksamkeit der Methode wurde durch Evaluierungs-, Vergleichs- und Ablaufversuche sowie eine Erklärbarkeitsanalyse nachgewiesen. Abbildung 1 zeigt die allgemeine Architektur des Vorhersagemodells für Ionosphärenfunkeln. Das Modell kann die Verteilung des S4-Indices in den Tropen bis zu einer Stunde im Voraus mit hoher Genauigkeit vorhersagen. Die flexiblen dynamischen Modellierungsrahmen und die Erweiterbarkeit der externen Variablen können als Referenz für die Modellierung komplexer dynamischer Systeme bei anderen Raumwetterereignissen dienen. Abbildung 2 illustriert die Vorhersage des Modells für zwei Funkelereignisse. Diese Forschung wurde durch das strategische Vorreiterwissenschaftsprogramm der Chinesischen Akademie der Wissenschaften unterstützt. Die Ergebnisse wurden in der internationalen SCI-Zeitschrift Space Weather veröffentlicht. Der erste Autor ist Gao Zhixu, ein Masterstudent am Raumforschungszentrum, und der korrespondierende Autor ist Chen Yanhong, eine Forscherin. Die Rezensenten bewerteten den Beitrag sehr positiv: "Das Papier ist gut strukturiert und die Methodik ist wissenschaftlich fundiert. Die Ergebnisse tragen erheblich zur Ionosphärenforschung und Raumwetteranwendungen bei." Die Veröffentlichung der Arbeit: Gao, Z., Chen, Y., Ao, X., Yue, F., Chen, H., Deng, H., ... & Yuan, T. (2025). ISNet: Decomposed dynamic spatio-temporal neural network for ionospheric scintillation forecasts. Space Weather, 23(6), e2024SW004239. https://doi.org/10.1029/2024SW004239 Industrieexperten sehen in dieser neuen Methode einen wichtigen Fortschritt in der Vorhersage von Ionosphärenfunkeln. Sie unterstreichen, dass die flexible Modellierung und die Berücksichtigung externer Einflussfaktoren die Genauigkeit und Zuverlässigkeit der Vorhersagen erheblich verbessern könnten. Das Raumforschungszentrum der Chinesischen Akademie der Wissenschaften hat sich seit seiner Gründung als führendes Institut in der Raumwetterforschung etabliert und trägt damit entscheidend zur globalen Sicherheit und Effizienz von Satellitensystemen bei.