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。
本研究提出基于电离层F2层的临界频率(foF2)及相关影响因子的实测数据，应用极限学习机（Extreme Learning Machine, ELM）建立以小时值，日值、太阳活动指数及地磁指数为输入变量的foF2的短期预测模型，该ELM预测模型可实现对foF2的精准、快速预测。此外，本研究将ELM预测结果与Backward propagation neural network (BPNN)和International Reference Ionosphere (IRI)两种常用模型的预测结果进行比较，结果证明基于ELM的foF2的短期预测模型具有更快速、更精确的优势。