中国地震局地震预测研究所地球电磁学学科组熊攀副研究员、张学民研究员等学者基于中国大陆构造环境监测网络GNSS数据反演的GPS TEC资料，在中国区域范围内选取了15个均匀分布的GPS站点，利用2006年到2018年覆盖一个太阳周期的资料，顾及空间环境指数Kp等资料，发展了一种编码器-解码器结构配合卷积优化的长短时记忆网络（ED-LSTME）的新方法（图1），研究结果表明，在不同的地理位置、季节以及地磁活动下，模型预测效能良好，主要成果发表于国际期刊中科院1区Top期刊Space Weather (2019 IF=3.58)。

图1 地震数据距离发震时间和震中的统计分析

结果表明，ED-LSTME模型优于其他统计模型，R2和均方根误差值分别为0.89和12.09 TECU，泰勒图也表明模型有着良好的偏差和误差的标准偏差（图2）；可能是由于太阳的影响，冬季的预测误差最大（图3）；不同地磁活动指数的对比结果发现，随着地磁活动剧烈程度的增加，模型预测的RMSE会逐渐变大（图4）；中高纬度地区模型的预测精度优于低纬赤道地区（图5）；另外，结果还表明，通过利用辅助数据（磁情指数Kp等）可以较好的提高模型的预测性能。

论文引用信息与下载链接为：Xiong, P., Zhai, D., Long, C., Zhou, H., Zhang, X., & Shen, X. (2021). Long Short‐Term Memory Neural Network for Ionospheric Total Electron Content Forecasting over China. Space Weather, 19, e2020SW002706. https://doi.org/10.1029/2020SW002706

图2 模型偏差和误差的标准偏差比较

图3 不同季节模型预测性能比较

图4 不同空间环境下模型预测性能比较

图5 不同地理位置模型预测性能比较