电离层临界频率foF2是电离层研究中最重要的参数。为有效对foF2进行预报,本文基于Elman神经网络构建了foF2短期预报模型,并利用改进粒子群算法对模型进行优化。通过与其他预报模型进行比较,验证了该模型的可靠性。本文主要研究内容如下:1)针对前馈神经网络无法准确反映电离层状态连续变化的缺点,本文使用Elman神经网络构建了foF2的预报模型。为了防止模型优化陷入局部最优值,本文提出了一种改进粒子群算法。通过为每个粒子设置交叉概率和变异性质,增强了粒子群在迭代后期的搜索能力,从而帮助模型更好的收敛。2)为尽量减少数据缺失和数据误差对模型训练的影响,本文使用插值法和拉依达准则对数据进行预处理。随后利用2001年-2016年武汉站电离层数据对本文设计的IPSO-ENN模型进行训练,该模型以时间参数、太阳活动参数、地磁活动参数和foF2历史值作为输入,实现了对单站台的foF2提前一小时进行预报。通过分析模型在不同年份、月份和地方时的误差变化,并与BP神经网络模型等其他三个模型进行对比,验证了该模型的可靠性。3)利用我国六个电离层观测站的数据,构建了能提前一小时对中国区域foF2进行预报的模型。考虑到不同地区电离层状态的差异性,新增经纬度坐标和高层大气相关参数作为模型输入。利用不同台站数据对模型进行测试,分析了模型在不同年份和地方时的误差变化,证明该模型能够较为准确的预报中国区域的foF2。4)基于临界频率foF2的预报模型,使用Qt开发了一款临界频率预报软件。软件有单站台预报和区域预报两种模式,以满足不同情形下的预报需求。此外软件还支持Excel文件输入,大大减少预报数据输入所需时间。