基于多模态表征学习的磁暴预测方法、装置及存储介质制造方法及图纸

本发明专利技术公开了基于多模态表征学习的磁暴预测方法、装置及存储介质，其中方法包括通过输入模块输入卫星磁测数据和太阳高能粒子数据；提取模块提取卫星磁测数据的第一特征；提取太阳高能粒子数据的第二特征；根据第一特征和第二特征提取地磁判别特征；根据地磁判别特征分类得到地磁指数；利用第一特征和第二特征的互补性，剔除两者冗余性，以学习到更好的特征表示，提高分类准确性，进而提升磁暴预测效果。

【技术实现步骤摘要】
基于多模态表征学习的磁暴预测方法、装置及存储介质
本专利技术涉及地磁预测领域，特别是基于多模态表征学习的磁暴预测方法、装置及存储介质。
技术介绍
地磁暴主要是由太阳耀斑爆发时向外辐射出大量紫外线、X射线等高能粒子流，并到达地球严重干扰地球磁场而引起的。地磁暴的发生会引起重大停电事故，干扰无线电通讯和卫星的运行，以及航空航海导航定位，因此对地磁暴的预报具有非常重要的科学和经济意义。由于地磁暴发生与多种因素存在复杂的关系，若地磁暴预测只通过其中一种因素推测则容易导致结果偏差。
技术实现思路
本专利技术的目的在于至少解决现有技术中存在的技术问题之一，提供基于多模态表征学习的磁暴预测方法、装置及存储介质。本专利技术解决其问题所采用的技术方案是：本专利技术的第一方面，基于多模态表征学习的磁暴预测装置，包括：输入模块，用于输入卫星磁测数据和太阳高能粒子数据；第一特征提取模块，用于提取所述卫星磁测数据的第一特征；第二特征提取模块，用于提取所述太阳高能粒子数据的第二特征；多模态深度学习模块，用本文档来自技高网...

【技术保护点】
1.基于多模态表征学习的磁暴预测装置，其特征在于，包括：/n输入模块，用于输入卫星磁测数据和太阳高能粒子数据；/n第一特征提取模块，用于提取所述卫星磁测数据的第一特征；/n第二特征提取模块，用于提取所述太阳高能粒子数据的第二特征；/n多模态深度学习模块，用于根据所述第一特征和所述第二特征提取地磁判别特征；以及/n分类器，用于根据所述地磁判别特征分类得到地磁指数。/n

【技术特征摘要】
1.基于多模态表征学习的磁暴预测装置，其特征在于，包括：
输入模块，用于输入卫星磁测数据和太阳高能粒子数据；
第一特征提取模块，用于提取所述卫星磁测数据的第一特征；
第二特征提取模块，用于提取所述太阳高能粒子数据的第二特征；
多模态深度学习模块，用于根据所述第一特征和所述第二特征提取地磁判别特征；以及
分类器，用于根据所述地磁判别特征分类得到地磁指数。


2.根据权利要求1所述的基于多模态表征学习的磁暴预测装置，其特征在于，所述多模态深度学习模块为双向自动编码器。


3.根据权利要求1所述的基于多模态表征学习的磁暴预测装置，其特征在于，所述分类器为支持向量机。


4.基于多模态表征学习的磁暴预测方法，其特征在于，应用权利要求1的基于多模态表征学习的磁暴预测装置，所述磁暴预测方法包括以下步骤：
通过输入模块输入卫星磁测数据和太阳高能粒子数据；
通过第一特征提取模块提取所述卫星磁测数据的第一特征；
通过第二特征提取模块提取所述太阳高能粒子数据的第二特征；
通过多模态深度学习模块根据所述第一特征和所述第二特征提取地磁判别特征；
通过分类器根据所述地磁判别特征分类得到地磁指数。


5.根据权利要求4所述的基于多模态表征学习的磁暴预测方法，其特征在于，所述多模态深度学习模块为双向自动编码器。


6.根据权利要求5所述的基于多模态表征学习的磁暴预测方法，其特征在于，所述根据第一特征和第二特征提取地磁判别特征还包括以下步骤：
输入所述第一特征和所述第二特征训练所述双向自动编码器直至所述双向自动编码器收敛；
移除所述双向自...

【专利技术属性】
技术研发人员：柯琪锐，周文略，翟懿奎，陈家聪，江子义，甘俊英，应自炉，曾军英，王天雷，徐颖，
申请(专利权)人：五邑大学，
类型：发明
国别省市：广东;44