【技术实现步骤摘要】
基于CNN
‑
LSTM的太阳爆发实时监测方法及系统
[0001]本专利技术属于太阳射电检测领域，尤其涉及基于CNN
‑
LSTM的太阳爆发实时监测方法及系统。
技术介绍
[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]太阳射电是来自太阳的无线电辐射，根据太阳上活动的剧烈情况分为三种类型：宁静太阳射电、太阳缓变射电和太阳射电爆发；太阳射电爆发会携带着周围物理环境和辐射机制等各种信息到达地球上；其中太阳射电爆发携带的精细爆发结构可以反映爆发过程的复杂的磁场结构以及高能粒子运动等重要物理过程。
[0004]伴随着太阳射电观测仪器的不断发展，高时间、频率分辨率的射电望远镜逐渐出现，这也导致太阳射电观测的数据存储量极大的提高；观测仪器每天产生巨量的太阳射电数据，但数据中爆发的数量却少之又少，使用人工的方式在巨量数据中实时高效地检测出太阳射电爆发，对科研人员来说是极度困难的。
[0005]目前常见的太阳射电爆发监测系统通常有两...
【技术保护点】
【技术特征摘要】
1.基于CNN
‑
LSTM的太阳爆发实时监测方法，其特征在于，包括：基于CNN
‑
LSTM，构建太阳射电流量预测模型，并用太阳射电历史观测数据对模型进行训练；实时观测太阳射电流量值，组成时域数据，输入到训练好的太阳射电流量预测模型中，生成并输出下一时刻的射电流量预测值；基于射电流量预测值，进行多重判断，得到太阳爆发监测结果。2.如权利要求1所述的基于CNN
‑
LSTM的太阳爆发实时监测方法，其特征在于，所述太阳射电流量预测模型，由CNN层、Dropout层、LSTM层、平均池化层、最大池化层、全连接层组成，在工控机上进行训练。3.如权利要求1所述的基于CNN
‑
LSTM的太阳爆发实时监测方法，其特征在于，所述太阳射电流量预测模型，使用CBAM机制，在通道注意力机制的基础上，对空间维度选择使用平均池化得到对应权重，在空间、通道二维串行分配注意力。4.如权利要求1所述的基于CNN
‑
LSTM的太阳爆发实时监测方法，其特征在于，所述实时观测太阳射电流量值，采用太阳辐射流量计进行观测；所述太阳辐射流量计，包括天馈系统、模拟接收机、数字接收机。5.如权利要求4所述的基于CNN
‑
LSTM的太阳爆发实时监测方法，其特征在于，所述天馈系统的转台跟踪太阳，天线指向太阳，接收太阳辐射信号，转换为太阳电磁波信号，发送给模拟接收机；所述模拟接收机，对接到的太阳电磁波信号，经过放大、功分、滤波、检波操作，转换为模拟电压信号，发送给数字接收机；所述数字接收机，由依次连接的ADC采集卡和FPGA组成，所述ADC采集卡将模拟电压信号采集为数字信号，FPGA根据不断输入的数据进行平滑积分，得到太阳射电流量值，通过串口传至工控机中。6.如权利要求1所述的基于CNN
‑
LSTM的太阳爆发实时监测方法，其特征在于，所述多重判断，具体...
【专利技术属性】
技术研发人员：苏艳蕊，徐晓峰，李舒琪，刘耕，严发宝，武昭，陈耀，
申请(专利权)人：山东大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。