数据集概述
本数据集为论文“A Hybrid Deep Learning-Based Forecasting Model for the Peak Height of Ionospheric F2 Layer”配套数据，包含13个文件，以.xlsx格式为主。核心内容为混合深度学习模型在电离层F2层峰值高度预测中的多模型结果、参数设置、四季长期预测及数据可用性说明等，支持模型性能验证与分析。
文件详解
- 文档类文件
- 文件名称：Readme.txt
- 文件格式：TXT
- 内容介绍：包含论文对应数据说明、联系人信息及各数据文件的命名规则解释
- 数据类文件
- 文件名称：CC-SE.xlsx
- 文件格式：XLSX
- 内容介绍：包含本征模态函数（IMFs）的相关系数和标准误差（SE）值
- 文件名称：Data_availability.xlsx
- 文件格式：XLSX
- 内容介绍：数据可用性相关信息（具体字段未详述）
- 文件名称：ISOA.xlsx
- 文件格式：XLSX
- 内容介绍：ISOA相关数据（具体字段未详述）
- 文件名称：Long-term forecast in four seasons.xlsx
- 文件格式：XLSX
- 内容介绍：四季长期预测结果数据
- 文件名称：Multi-step of DNNs.xlsx
- 文件格式：XLSX
- 内容介绍：深度神经网络（DNNs）的多步预测结果
- 文件名称：Multi-step of GRU.xlsx
- 文件格式：XLSX
- 内容介绍：门控循环单元（GRU）的多步预测结果
- 文件名称：Multi-step of LSTM.xlsx
- 文件格式：XLSX
- 内容介绍：长短期记忆网络（LSTM）的多步预测结果
- 文件名称：Parameter setting of models.xlsx
- 文件格式：XLSX
- 内容介绍：各预测模型的参数设置信息
数据来源
论文“A Hybrid Deep Learning-Based Forecasting Model for the Peak Height of Ionospheric F2 Layer”
适用场景
- 电离层预测模型研究：用于分析混合深度学习模型对电离层F2层峰值高度的预测性能
- 深度学习模型对比：对比LSTM、GRU、DNNs等模型在电离层预测任务中的多步预测效果
- 模型参数优化：基于参数设置文件探索不同模型参数对预测精度的影响
- 电离层季节变化分析：利用四季长期预测数据研究电离层F2层峰值高度的季节性特征
- 电离层预测误差分析：通过相关系数和标准误差数据评估预测模型的稳定性与准确性
