一种基于LSTM的地磁指数预报方法技术

本申请涉及太空环境预报技术领域，尤其涉及一种基于LSTM的地磁指数预报方法，包括：获取多个维度的与地磁Ap指数相关的环境数据；环境数据至少包括：地磁Ap指数历史值、10.7cm太阳射电通量、太阳黑子数、太阳活动区和太阳X射线；对环境数据进行特征工程，生成特征参数；将特征参数输入预先训练的LSTM预测模型，输出地磁Ap指数的预报结果；其中，LSTM预测模型的算法策略包括：通过多模型进行联合预测，得到多步长，单一变量的输出策略；LSTM预测模型的训练策略包括：以均方根差作为目标函数，基于预设优化算法、退火策略和超参数搜索策略进行训练。本申请中将环境数据转化为多维特征，保证环境信息被LSTM神经网络更好的学习和分析，得到更准确的预测结果。到更准确的预测结果。到更准确的预测结果。

【技术实现步骤摘要】
一种基于LSTM的地磁指数预报方法


[0001]本申请涉及太空环境预报
，尤其涉及一种基于LSTM（Long short
‑
term memory, 长短期记忆网络）的地磁指数预报方法。

技术介绍

[0002]地磁Ap指数是全球的全日地磁扰动强度的指数，称为行星性等效日幅度。它描述一个自然日(世界时)地磁场的扰动幅度，是通过一些典型的高位地磁台站所测量的当地的地磁扰动幅度，经过平均后得到的一天(UT)平均值，单位是：纳特(nT)。地磁Ap指数是地磁活动水平的重要指标，也是多种重要科学和工程模式的主要输入参量。近年来，由于空间天气对卫星轨道、通讯、导航等领域的影响日益凸显，空间天气重要指标的预报也受到重视。地磁Ap指数指的是在去掉地磁场背景波动后得到的地磁场H分量的变化幅度折合而成的指数参量，通过8个中高纬地磁台站的测量结果计算得到的。地磁Ap指数反映的是一天的地磁活动指标，它是一天中每小时的指数的平均值，而指数是指波动的情况，与短时的地磁亚暴过程密切相关，因此指数的大小决定于极区能量注入，与太阳风和行星际磁场密切相关。在空间天气业务预报中，地磁Ap指数的短期预报是重要的工作内容。相关技术中，对地磁Ap指数的预报多以时间序列趋势预报为主，这种预报方式定性预报的成分较多，并没有达到定量预报的目标，导致预报结果准确性低，精确度低。

技术实现思路

[0003]为至少在一定程度上克服相关技术中对地磁Ap指数的预报结果准确性低，精确度低问题，本申请提供一种基于LSTM的地磁指数预报方法。<br/>[0004]本申请的方案如下：一种基于LSTM的地磁指数预报方法，包括：获取多个维度的与地磁Ap指数相关的环境数据；所述环境数据至少包括：地磁Ap指数历史值、10.7cm太阳射电通量、太阳黑子数、太阳活动区和太阳X射线；对所述环境数据进行特征工程，生成特征参数；将所述特征参数输入预先训练的LSTM预测模型，输出地磁Ap指数的预报结果；其中，所述LSTM预测模型的算法策略包括：通过多模型进行联合预测，执行多步长，单一变量的输出策略；所述LSTM预测模型的训练策略包括：以均方根差作为目标函数，基于预设优化算法、退火策略和超参数搜索策略进行训练。
[0005]优选地，所述方法还包括：获取多个维度的与地磁Ap指数相关的历史环境数据作为样本数据；所述历史环境数据至少包括：地磁Ap指数历史值、10.7cm太阳射电通量、太阳黑子数、太阳活动区和太阳X射线；
对样本数据进行特征工程，生成特征参数；根据处理后的特征参数训练所述LSTM预测模型。
[0006]优选地，将所述样本数据处理成特征参数，包括：对地磁Ap指数历史值进行提取清洗，去除异常值得到地磁Ap指数的特征参数；获取10.7cm太阳射电通量历史数据中的10.7cm太阳射电通量观测值，对10.7cm太阳射电通量观测值进行提取清洗，去除异常值得到10.7cm太阳射电通量的特征参数；对太阳黑子数进行提取清洗，去除异常值得到太阳黑子数的特征参数；对太阳X射线的全部卫星数据以天为单位进行聚合，去除异常值后，取每天全部卫星数据中的最大值作为太阳X射线的特征参数；所述太阳X射线的特征参数包括：长波通量和短波通量。
[0007]优选地，将所述样本数据处理成特征参数，还包括：以预设经纬线作为分界线，对太阳表面区域进行分割，得到多个分割区域；依据磁场类型对太阳活动区进行分解，确定需要的太阳活动区磁场类型；根据分割区域和太阳活动区磁场类型，生成多个维度的太阳活动区向量；确定各维度太阳活动区向量的初始值；根据各分割区域存在对应磁场类型太阳活动区的个数以及黑子群的相对大小对各维度太阳活动区的初始值进行更新；将各维度太阳活动区向量的更新值作为太阳活动区的特征参数。
[0008]优选地，依据磁场类型对太阳活动区进行分解，确定需要的太阳活动区磁场类型，包括：根据黑子群的磁场类型将包含黑子群的太阳活动区划分为基础磁场类型和复合磁场类型；将复合磁场类型分解为多个基础磁场类型的组合；将不包含黑子群的太阳活动区视为基础磁场类型，将全部基础磁场类型确定为需要的太阳活动区磁场类型。
[0009]优选地，确定各维度太阳活动区向量的值，包括：若当前维度太阳活动区向量对应区域中存在对应磁场类型的太阳活动区，则当前维度值为1，否则为0。
[0010]优选地，根据各分割区域存在对应磁场类型太阳活动区的个数以及黑子群的相对大小对各维度太阳活动区的初始值进行更新的计算公式为：其中，表示太阳活动区磁场类型，表示太阳活动区向量的初始值，表示太阳活动区向量的更新值，表示当前分割区域中磁场类型的太阳活动区个数，表示当前分割区域中第个磁场类型的太阳活动区的黑子群相对面积；H
‑
α型为不包含黑子群的太阳活动区磁场类型；α，β，γ，δ型为包含黑子群的太阳活动区磁场类型。
[0011]优选地，根据处理后的特征参数训练所述LSTM预测模型，包括：
将处理后的特征参数依据时间区间划分为训练集和验证集；将所述训练集按照地磁Ap指数的大小等间距划分为多个区间；将所述训练集在全区间上进行均等划分，得到多个子集；将其中一个子集作为验证子集，其他子集作为训练子集进行训练，得到多个子模型；基于全部子模型进行联合预测，通过所述验证集验证预测结果，在预测结果符合预设要求时完成训练。
[0012]优选地，所述子模型采用单一步长单一输出的策略；所述方法还包括：根据地磁Ap指数预报结果的需求天数提升子模型的训练数量。
[0013]优选地，在训练所述LSTM预测模型时，参与调整的超参数至少包括：隐藏层维度、隐藏层深度、训练神经细胞开关比例、序列长度、批样本数量、训练轮数、最大学习率和l2正则系数。
[0014]本申请提供的技术方案可以包括以下有益效果：本申请中的基于LSTM的地磁Ap指数预报方法，包括：获取多个维度的与地磁Ap指数相关的环境数据；环境数据至少包括：地磁Ap指数历史值、10.7cm太阳射电通量、太阳黑子数、太阳活动区和太阳X射线；对环境数据进行特征工程，生成特征参数；将特征参数输入预先训练的LSTM预测模型，输出地磁Ap指数的预报结果；其中，LSTM预测模型的算法策略包括：通过多模型进行联合预测，得到多步长，单一变量的输出策略；LSTM预测模型的训练策略包括：以均方根差作为目标函数，基于预设优化算法、退火策略和超参数搜索策略进行训练。本申请中的技术方案，与现有的预测方法相比，基于LSTM神经网络的预测模型具备更高的预测精确度。将环境数据转化为多维特征，保证环境信息被LSTM神经网络更好的学习和分析，得到更准确的预测结果。并且，多模型联合预测的集成算法可以进一步提高模型的预测精确度。本申请的训练策略也可以加快模型收敛速度，避免模型收敛于局部最优解，在减少训练时间成本的同时，提高了模型的预测性能。
[0015]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0016]此处的附图被并入说明书中并本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于LSTM的地磁指数预报方法，其特征在于，包括：获取多个维度的与地磁Ap指数相关的环境数据；所述环境数据至少包括：地磁Ap指数历史值、10.7cm太阳射电通量、太阳黑子数、太阳活动区和太阳X射线；对所述环境数据进行特征工程，生成特征参数；将所述特征参数输入预先训练的LSTM预测模型，输出地磁Ap指数的预报结果；其中，所述LSTM预测模型的算法策略包括：通过多模型进行联合预测，执行多步长，单一变量的输出策略；所述LSTM预测模型的训练策略包括：以均方根差作为目标函数，基于预设优化算法、退火策略和超参数搜索策略进行训练。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取多个维度的与地磁Ap指数相关的历史环境数据作为样本数据；所述历史环境数据至少包括：地磁Ap指数历史值、10.7cm太阳射电通量、太阳黑子数、太阳活动区和太阳X射线；对样本数据进行特征工程，生成特征参数；根据处理后的特征参数训练所述LSTM预测模型。3.根据权利要求2所述的方法，其特征在于，将所述样本数据处理成特征参数，包括：对地磁Ap指数历史值进行提取清洗，去除异常值得到地磁Ap指数的特征参数；获取10.7cm太阳射电通量历史数据中的10.7cm太阳射电通量观测值，对10.7cm太阳射电通量观测值进行提取清洗，去除异常值得到10.7cm太阳射电通量的特征参数；对太阳黑子数进行提取清洗，去除异常值得到太阳黑子数的特征参数；对太阳X射线的全部卫星数据以天为单位进行聚合，去除异常值后，取每天全部卫星数据中的最大值作为太阳X射线的特征参数；所述太阳X射线的特征参数包括：长波通量和短波通量。4.根据权利要求2所述的方法，其特征在于，将所述样本数据处理成特征参数，还包括：以预设经纬线作为分界线，对太阳表面区域进行分割，得到多个分割区域；依据磁场类型对太阳活动区进行分解，确定需要的太阳活动区磁场类型；根据分割区域和太阳活动区磁场类型，生成多个维度的太阳活动区向量；确定各维度太阳活动区向量的初始值；根据各分割区域存在对应磁场类型太阳活动区的个数以及黑子群的相对大小对各维度太阳活动区的初始值进行更新；将各维度太阳...

【专利技术属性】
技术研发人员：于嘉宁，王月，杨建冰，董鑫，
申请(专利权)人：数字太空北京智能技术研究院有限公司，
类型：发明
国别省市：