全球TEC预测新基线
面向全球电离层总电子含量预测的Transformer架构，通过分块与可学习位置编码强化局部语义，在磁暴与平静期均显著优于LSTM基线。
Li, Lanhao · Yang, Liu · 周号益 · Kunlin, Yang · Haojun, Yan · Li, Jianxin
IEEE Transactions on Geoscience and Remote Sensing 2025
在多个实验设置下（不同年份、地点、太阳活动周期阶段），Ionformer的预测结果都显著优于其他模型，包括广泛使用的LSTM模型。
模型在太阳活动高年（2014）和低年（2017）的预报中均表现优异，证明其适应不同电离层状态。
额外实验表明，在长期TEC预报任务中，Ionformer同样优于其他模型，说明其优势不限于短期。