一种基于Transformer模型的日冕指数预测方法技术

本发明专利技术公开了一种基于Transformer模型的日冕指数预测方法，包括以下步骤：S1、数据准备：获取并准备太阳活动相关的时间序列数据；S2、特征提取：对准备好的时间序列数据进行特征提取；S3、构建Transformer模型：根据预测任务的复杂程度和数据特点，设计并构建Transformer模型；S4、训练模型：使用准备好的数据集对构建的Transformer模型进行训练；S5、模型评估：训练完成后，使用验证集或测试集评估模型的性能,本发明专利技术Transformer模型的自注意力机制使得模型能够并行化处理输入序列，在训练和推理时能够更有效地利用计算资源，加快模型训练和预测的速度；允许模型直接捕捉序列中的全局依赖关系，能够更好地处理长距离的依赖关系，有利于对日冕指数等长期趋势的预测。

【技术实现步骤摘要】

本专利技术涉及数字信息处理，具体为一种基于transformer模型的日冕指数预测方法。

技术介绍

1、随着科技的不断发展，人类对宇宙的了解也越来越深入，日冕是太阳大气中最外层的一层，其温度高达100万度以上。

2、日冕是一种自然现象，是指太阳大气的最外层(其内部分别为色球层和光球层)，厚度达到几百万公里以上。日冕是太阳大气的最外层,从色球边缘向外延伸到几个太阳半径处,甚至更远。分内冕、中冕和外冕,内冕只延伸到离太阳表面约1.3倍太阳半径处；外冕则可达到几个太阳半径,甚至更远。日冕由很稀薄地完全电离地等离子体组成,其中主要是质子、高度电离的离子和高速的自由电子。日冕温度是太阳表面温度的数百倍。

3、传统对日冕指数预防方法中采用的模型通常为时序预测模型，如长短期记忆网络模型(lstm模型)，其在某些情况下，特别是当时间序列中存在非常长期的依赖关系时，长短期记忆网络模型可能仍然会面临难以捕捉到的问题，导致模型对于未来较远的日冕指数变化趋势预测能力不足；传统时序预测模型中，在处理高维、高复杂度的时间序列数据时，存在过拟合的风险；对超参数及本文档来自技高网...

【技术保护点】

1.一种基于Transformer模型的日冕指数预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于Transformer模型的日冕指数预测方法，其特征在于：所述步骤S1中太阳活动相关的时间序列数据包括太阳日冕指数的历史数据、太阳黑子数和太阳风速，所述数据通过太阳观测站、太阳卫星和天文观测组织采集。

3.根据权利要求1所述的一种基于Transformer模型的日冕指数预测方法，其特征在于：所述步骤S2中的特征提取包括：

4.根据权利要求1所述的一种基于Transformer模型的日冕指数预测方法，其特征在于，所述步骤S3中Transf...

【技术特征摘要】

1.一种基于transformer模型的日冕指数预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于transformer模型的日冕指数预测方法，其特征在于：所述步骤s1中太阳活动相关的时间序列数据包括太阳日冕指数的历史数据、太阳黑子数和太阳风速，所述数据通过太阳观测站、太阳卫星和天文观测组织采集。

3.根据权利要求1所述的一种基于transformer模型的日冕指数预测方法，其特征在于：所述步骤s2中的特征提取包括：

4.根据权利要求1所述的一种基于transformer模型的日冕指数预测方法，其特征在于，所述步骤s3中transformer模型包括编码器和解码器部分，其中编码器用于将输入序列编码成隐藏表示，解码器用于生成预测结果，模型的层数、隐藏单元数和其他超参数需要根据数据进行调整和优化。

5.根据权利要求1所述的一种基于transformer模型的日冕指数预测方法...

【专利技术属性】
技术研发人员：邓林华，沈渤翔，向南彬，许婷婷，毕以，
申请(专利权)人：中国科学院云南天文台，
类型：发明
国别省市：