[发明专利]基于多模态表征学习的磁暴预测方法、装置及存储介质

权利要求书

1.基于多模态表征学习的磁暴预测装置，其特征在于，包括：

输入模块，用于输入卫星磁测数据和太阳高能粒子数据；

第一特征提取模块，用于提取所述卫星磁测数据的第一特征；

第二特征提取模块，用于提取所述太阳高能粒子数据的第二特征；

多模态深度学习模块，用于根据所述第一特征和所述第二特征提取地磁判别特征；以及

分类器，用于根据所述地磁判别特征分类得到地磁指数。

2.根据权利要求1所述的基于多模态表征学习的磁暴预测装置，其特征在于，所述多模态深度学习模块为双向自动编码器。

3.根据权利要求1所述的基于多模态表征学习的磁暴预测装置，其特征在于，所述分类器为支持向量机。

4.基于多模态表征学习的磁暴预测方法，其特征在于，应用权利要求1的基于多模态表征学习的磁暴预测装置，所述磁暴预测方法包括以下步骤：

通过输入模块输入卫星磁测数据和太阳高能粒子数据；

通过第一特征提取模块提取所述卫星磁测数据的第一特征；

通过第二特征提取模块提取所述太阳高能粒子数据的第二特征；

通过多模态深度学习模块根据所述第一特征和所述第二特征提取地磁判别特征；

通过分类器根据所述地磁判别特征分类得到地磁指数。

5.根据权利要求4所述的基于多模态表征学习的磁暴预测方法，其特征在于，所述多模态深度学习模块为双向自动编码器。

6.根据权利要求5所述的基于多模态表征学习的磁暴预测方法，其特征在于，所述根据第一特征和第二特征提取地磁判别特征还包括以下步骤：

输入所述第一特征和所述第二特征训练所述双向自动编码器直至所述双向自动编码器收敛；

移除所述双向自动编码器的解码器，将所述双向自动编码器的编码器输出的特征作为所述地磁判别特征。

7.根据权利要求4所述的基于多模态表征学习的磁暴预测方法，其特征在于，所述分类器为支持向量机。

8.根据权利要求4所述的基于多模态表征学习的磁暴预测方法，其特征在于，所述通过第一特征提取模块提取卫星磁测数据的第一特征具体包括以下步骤：

通过多个特征编码器同时提取由卫星磁测数据采样得到的快进视频段的空间特征与时间特征；

将所述空间特征与所述时间特征输入至由判别感知器和生成感知器构成的融合网络得到地磁特征；其中，所述判别感知器通过进行采样间隔的分类以感知相邻视频帧之间地磁线的运动强度的细微差异；所述生成感知器通过差值重构以还原地磁线的运动细节。

9.根据权利要求4所述的基于多模态表征学习的磁暴预测方法，其特征在于，所述通过第二特征提取模块提取太阳高能粒子数据的第二特征包括以下步骤：

输入所述太阳高能粒子数据至所述第二特征提取模块的编码模块，使所述太阳高能粒子数据经过多个编码子层处理；其中在所述编码子层中，所输入的数据依次经过第一多头自注意力结构、第一全连接前向网络处理；

将所述编码模块的输出输入至所述第二特征提取模块的解码模块，使所述编码模块的输出经过多个解码子层处理，再经过最终线性变换层和softmax函数层处理得到所述第二特征；其中在所述解码子层中，所输入的数据依次经过掩膜式多头自注意力结构、第二多头自注意力结构和第二全连接前向网络处理。

10.存储介质，所述存储介质存储有可执行指令，可执行指令能被计算机执行，使所述计算机执行如权利要求4至9任一项所述的基于自注意力变形网络的磁暴预测方法。