为加强研究生学术交流活动，推进学术创新，特开通“研究生学术报告预告区”。我校研究生和教师可以在预告区及时发布和了解有关研究生学术报告的信息，届时参加。也可就某学术报告展开专题讨论与交流。
本研究提出利用极限学习机（Extreme Learning Machine, ELM）建立电离层传播因子M(3000)F2的短期预测模型，该模型以太阳活动指数、地磁指数、M(3000)F2小时值及其日值作为输入变量，建立M(3000)F2的短期预测模型，实现对M(3000)F2的精准、快速预测。通过将该ELM模型的预测结果与传统的Backward propagation neural network（BPNN）和International Reference Ionosphere (IRI) 两种常用的M(3000)F2预测模型进行比较，结果证明基于ELM的M(3000)F2的短期预测模型具有明显的优势，主要体现在能够更快速、更精确的实现M(3000)F2的精准预测。