ED‐AttConvLSTM: An Ionospheric TEC Map Prediction Model Using Adaptive Weighted Spatiotemporal Features

In this paper, we propose a novel Total Electron Content (TEC) map prediction model, named ED‐AttConvLSTM, using a Convolutional Long Short‐Term Memory (ConvLSTM) network and attention mechanism based on encoder‐decoder structure. The inclusion of the attention mechanism enhances the efficient utili...

Celý popis

Podrobná bibliografie

Vydáno v:	Space Weather Ročník 22; číslo 3
Hlavní autoři:	Li, Liangchao, Liu, Haijun, Le, Huijun, Yuan, Jing, Wang, Haoran, Chen, Yi, Shan, Weifeng, Ma, Li, Cui, Chunjie
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Washington John Wiley & Sons, Inc 01.03.2024 Wiley
Témata:	Accuracy Deep learning Feature extraction General circulation models Geomagnetic storms Geophysics Ionosphere Magnetic storms Performance evaluation Prediction models Predictions Solar activity Time series Total Electron Content
ISSN:	1542-7390, 1539-4964, 1542-7390
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!