综合自注意力和自相关双重机制的电离层TEC预测模型制造技术

本发明专利技术提供一个综合自注意力和自相关双重机制的电离层TEC预测模型，属于电离层延迟预测技术领域，所述模型包括：趋势预测模块、相关性分析模块和序列融合模块；其中，趋势预测模块借助自相关运算机制，预测电离层TEC序列和空间环境参数各自的整体变化趋势；相关性分析模块利用自注意力机制，分析电离层TEC序列、空间环境参数和经纬度位置之间的相互联系；序列融合模块则利用相关性分析模块所得的相关性信息，对电离层TEC序列的整体趋势执行进一步地整合和优化，最终得到融合空间环境和经纬度位置信息的电离层TEC预测结果。本发明专利技术充分地利用了空间环境数据和经纬度位置信息，极大地提升了模型预测的准确率。

【技术实现步骤摘要】

本专利技术属于电离层延迟预测，尤其涉及一种综合自注意力和自相关双重机制的电离层tec预测模型。

技术介绍

1、电离层延迟是引起卫星定位误差的主要因素之一，尤其对伪距单点定位（spp）影响很大。电离层延迟的大小可以采用垂直方向的电离层总电子含量（vtec）近似表达。

2、目前常见的经典电离层tec模型有：应用于gps的广播电离层模型（klobuchar模型）、应用于galileo导航系统的nequick模型以及全球电离层tec等效格网模型等。除此之外，还有借助传统数学统计方法构建的电离层tec统计预测模型，如线性时序模型（lineartime series，lts）、自回归滑动平均模型（auto-regressive moving average，arma）等。近年来，随着深度学习技术的兴起，很多基于rnn、lstm、gan、cnn-lstm、transformer等深度学习技术的新型电离层tec预测模型也被广泛地提出和应用。

3、传统的电离层tec经验模型预测准确率较低，这是因为传统模型参数量少，只能以较简单的方程描述电离层tec的本文档来自技高网...

【技术保护点】

1.一个综合自注意力和自相关双重机制的电离层TEC预测模型，其特征在于，所述模型包括：趋势预测模块、相关性分析模块和序列融合模块；其中，

2.根据权利要求1所述的一个综合自注意力和自相关双重机制的电离层TEC预测模型，其特征在于，所述模型以历史24小时电离层TEC、地磁指数Dst、ap指数、F10.7指数、太阳黑子数SSN、X射线指数X-ray、D区吸收预测D-RAP、纬度和经度共9项预处理后的数据作为输入，输出未来24小时的电离层TEC预测序列。

3.根据权利要求2所述的一个综合自注意力和自相关双重机制的电离层TEC预测模型，其特征在于，电离层TEC为：站点上空...

【技术特征摘要】

1.一个综合自注意力和自相关双重机制的电离层tec预测模型，其特征在于，所述模型包括：趋势预测模块、相关性分析模块和序列融合模块；其中，

2.根据权利要求1所述的一个综合自注意力和自相关双重机制的电离层tec预测模型，其特征在于，所述模型以历史24小时电离层tec、地磁指数dst、ap指数、f10.7指数、太阳黑子数ssn、x射线指数x-ray、d区吸收预测d-rap、纬度和经度共9项预处理后的数据作为输入，输出未来24小时的电离层tec预测序列。

3.根据权利要求2所述的一个综合自注意力和自相关双重机制的电离层tec预测模型，其特征在于，电离层tec为：站点上空或指定区域内卫星穿刺点处电离层垂直tec的平均值，时间分辨率为30分钟，将一天内的数据形成长度为48的时间序列；

4.根据权利要求3所述的一个综合自注意力和自相关双重机制的电离层tec预测模型，其特征在于，电离层tec、地磁指数、ap指数、f10.7指数、太阳黑子数、x射线指数、d区吸收预测数据分别进行标准化处理，使得每项数据的均值为0，方差为1，标准化公式为式(1)：

5.根据权利要求4所述的一个综合自注意力和自相关双重机制的电离层tec预测模型，其特征在于，趋势预测模块由n层串联而成，每层的内部结构相同，具体流程为：输入数据，先经过自相关运算单元，再通过序列分解单元得到趋势分量trend和周期分量season，周期分量通过前馈神经网络后再进行一次序列分解，...

【专利技术属性】
技术研发人员：巩应奎，于成，罗涵泽，胡子跃，杨光，袁洪，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：