随着航天技术和卫星通讯的日益发展，人们逐渐认识到对空间环境准确预报具有重要的意义。电离层是无线电信号传输的媒介，电离层扰动对卫星遥感系统、GPS全球卫星导航定位系统等无线电通信系统都会带来影响，对电离层参数的准确预报是具有实际意义的研究课题。电离层F2层临界频率foF2是电离层具有代表性的重要参数，现有模型仅限于对平静期foF2的准确预测，对于风暴期foF2的预测精度不高，从而，对电离层暴时期做出较长提前期的foF2准确预测成为目前最迫切的需求。　　 本文在国家“十一五”项目资助下，深入研究了基于神经网络的预测电离层F2层临界频率的新方法。　　 本文主要工作和创新点如下：　　 1、以神经网络模型为基础，本文提出一种预测foF2的新方法，采用ap系数时间序列和太阳黑子月均值作为训练输入序列，针对风暴期特定训练参数，对foF2做出了提前期为24小时的较准确预测，改进了现有的基于神经网络预测风暴期foF2方法的不足，提高了预测性能。　　 2、考虑到foF2随地方时间(Local Time)的变化而变化，本文提出训练序列以地方时间为参考，使不同经度的观测站的foF2有相同的日变化模式，并以foF2变化率作为训练目标输出，消除不同地理位置foF2幅值上的差异，增强了模型的适用性，扩大了本方法的应用范围。