电离层总电子含量(Total Electron Content,TEC)作为表征电离层随时间变化和分布的重要参量,对电离层TEC的预测分析在电离层探索研究过程中显得非常重要。本文通过对电离层TEC及其影响因素进行分析,建立预测模型对电离层TEC进行短期预测。本文的主要内容有:本文首先对电离层以及电离层TEC分析预测的目的与意义进行了阐述。通过对IGS所提供的电离层数据文件IONEX文件的数据格式的解读,实现了电离层TEC数据的提取工作,并以提取的TEC数据为例,利用经验模态分解(Empirical Mode Decomposition,EMD)的频谱分析功能对电离层TEC的短周期变化进行了分析,得出电离层TEC存在162天、58天、27天的短周期特性。本文利用经验模态分解的频谱分析功能对电离层TEC的主要影响因素太阳黑子数以及地磁Dst指数的长短周期特性进行了分析,通过分析得出太阳黑子数含有22年、11年、1年的长周期变化特性,含有27天短周期特性;Dst指数含有33年、11年、1年、半年的长周期变化特性,存在54天、27天短周期变化特性。通过对电离层TEC全球分布图进行对比分析得出,除太阳活动水平与地磁指数外电离层TEC还受地方时、年积日、地理位置等因素的影响。利用相关系数法对电离层TEC及其利用EMD分解得到的特征模态分量与各影响因素的相关性进行了分析,得出利用EMD分解有助于提高对各影响因素与TEC之间相关性的分析。本文引入排列熵对EMD-小波联合去噪法中节点的选择问题进行改进,并通过不同信噪比仿真信号对其验证,实现了对电离层TEC数据的去噪预处理。最后,在对电离层TEC以及其影响因素分析的基础上,基于Elman神经网络分别建立了单因素模型、多因素模型、基于EMD的多因素多尺度模型对不同时间段电离层TEC数据进行连续十天的提前一天预测,并与ARMA模型进行比较得出:单因素模型在预测值残差小于3TECU的精度方面平均提高了2个百分点;多因素模型不但在稳定性方面有了很大提高,并且预测值残差小于3TECU的精度方面平均提高了4个百分点;多因素多尺度模型在稳定性方面同样也有了很大提高,在预测值残差小于3TECU的精度方面平均提高了6个百分点。