【技术实现步骤摘要】
一种电离层总电子含量的时序预测方法
[0001]本专利技术属于卫星导航电离层预测
,具体涉及一种电离层总电子含量的时序预测方法
。
技术介绍
[0002]电离层是卫星信号传播到地面必经的空域,其中存在着大量的自由电子和离子,严重影响着无线电波信号传播的效率和质量,是卫星导航定位中最大的误差源,能引起百米级的误差,也是通信
、
测控和遥感等领域中必须要考虑和消除的影响
。
研究电离层不仅有利于认识电离层的物理特性和探寻克服电离层影响的方法,还有利于推动地球空间科学领域和电离层实际应用的研究与发展
。
随着
GNSS
卫星星座的发展和完善,电离层探测手段不断增多,为电离层的进一步研究提供了多种有效途径
。
近年来,随着人工智能技术的发展,神经网络因其能够描述复杂的非线性输入输出关系,被广大学者应用于电离层参数预测中,长短时记忆网络
(Long Short
‑
term Memory
,
LSTM)
能够解决
RNN
模型在训练较长序列存在梯度消失和梯度爆炸问题常被应用于电离层
TEC
预测模型中,但该模型每一个
TEC
值都依赖于它前一步的
TEC
值,因此必须从前向后必须逐个计算,每一次都只能前进一步;目前很少有人将
Transformer
模型运用在电离层总电子含量时序预测领域,
Trans ...
【技术保护点】
【技术特征摘要】
1.
一种电离层总电子含量的时序预测方法,其特征在于,所述方法包括以下步骤:步骤一:获得不同时空环境下的全球电离层
TEC
格网数据与电离层电子浓度反演相关的多个参数数据并进行预处理;步骤二:构建
Transformer
‑
LSTM
模型,所述
Transformer
‑
LSTM
模型包括
Transformer
模块和与所述
Transformer
模块相连的
LSTM
模块;将各类所述数据输入所述
Transformer
模块,建立
Transformer
训练模型,提取各类所述数据的全局特征;将所述全局特征数据输入所述
LSTM
模块,利用所述
LSTM
模块,对所述全局特征数据进行训练,并建立
LSTM
训练模型,输出预测
TEC
值
。
步骤三:将预测的所述
TEC
值与真实值比较,使用多个评价指标对实验效果进行评价反馈
。2.
根据权利要求1所述的电离层总电子含量时序预测方法,其特征在于,所述步骤一具体为:
(1.1)
获得不同时空环境下的全球电离层
TEC
格网
(GIM)
数据,所述
GIM
数据包括至少一个完整太阳周期的
GIM
数据;
(1.2)
根据
GIM
图,提取对应特征值;
(1...
【专利技术属性】
技术研发人员:纪元法,郭文韬,孙希延,贾茜子,张振国,
申请(专利权)人:南宁桂电电子科技研究院有限公司,
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。