[发明专利]基于深度学习的北半球高纬度地区ROTI预测方法

权利要求书

1.基于深度学习的北半球高纬度地区ROTI预测方法，其特征在于，包括如下步骤：

步骤1、采集获取高纬度地区影响电离层闪烁的相关参数数据，其中包含电离层总电子含量TEC的变化率指数的时间序列即ROTI指数；所述高纬度地区为纬度在60度至90度之间的地区；对所有影响电离层闪烁的相关参数数据进行时间分辨率统一；

步骤2、针对时间分辨率统一后的所有数据，划分为训练集，验证集和测试集；且三者中，训练集数量最多；

步骤3、对训练集，验证集和测试集中数据进行预处理，包括剔除噪声数据、补充遗漏数据以及数据归一化，得到归一化数据；

步骤4、对训练集，验证集和测试集中的归一化数据，针对当前时刻t与前设定数量时刻的归一化数据的组合，进行标签匹配，设定的标签为未来时刻的ROTI指数，作为相关参数数据和未来时刻ROTI指数的映射关系；

步骤5、构建递归神经网络模型，利用训练集中数据的映射关系对所述递归神经网络模型中进行训练，并利用所述验证集中的映射关系对所述递归神经网络模型中进行验证；

所述递归神经网络模型执行反向传播算法，所述反向传播算法的每一次迭代都返回训练集的损失函数和验证集的损失函数，当验证集的损失函数达到最小时结束训练，此时得到的训练好的递归神经网络模型即为ROTI预测模型；

步骤6、利用所述ROTI预测模型，对所述测试集中的映射关系进行实际测试，测试合格的ROTI预测模型用于对北半球高纬度地区进行ROTI预测。

2.如权利要求1所述的方法，其特征在于，所述影响电离层闪烁的相关参数数据为x_t＝[LT,B,A_p,K_p.D_st,AE,AL,AU,F10.7,ROTI]_t；

其中LT为地方时；B为行星际磁场强度；K_p为行星性三小时磁情指数；A_p为行星性三小时等效幅度的指数；D_st为磁场的轴对称部分的环电流指数；AL为东向极光电喷流产生的磁扰动强度；AU为西向极光电喷流产生的磁扰动强度；AE为极光区磁场扰动的能量；F10.7为太阳10.7cm射电辐射通量。

3.如权利要求1或2所述的方法，其特征在于，所述步骤1中，所述对所有影响电离层闪烁的相关参数数据进行时间分辨率统一，具体为：

将所有影响电离层闪烁的相关参数数据的时间分辨率统一为5分钟分辨率。

4.如权利要求1或2所述的方法，其特征在于，所述步骤2中，针对时间分辨率统一后的所有数据，按照3：1：1的比例划分为训练集，验证集和测试集。

5.如权利要求4所述的方法，其特征在于，所述归一化数据为[0，1]之间的数据。

6.如权利要求5所述的方法，其特征在于，所述步骤4中，针对当前时刻t与前设定数量时刻的归一化数据的组合，进行标签匹配，设定的标签为下一时刻t+1时刻的ROTI指数，具体为：

针对当前时刻t、t-1时刻以及t-2时刻的归一化数据的组合，进行标签匹配，设定的标签为下一时刻t+1时刻的ROTI指数。

7.如权利要求6所述的方法，其特征在于，所述步骤5中，所述构建递归神经网络模型为长短期记忆网络LSTM或者门控循环单元GRU。