[发明专利]基于TCN模型的电离层总电子含量预报方法

权利要求书

1.一种基于TCN模型的电离层总电子含量预报方法，其特征在于，包括以下步骤：

步骤一：获取电离层TEC数据、太阳辐射通量值F10.7以及地磁活动指数Ap，并将TEC转换为高时间分辨率序列；

步骤二：将转换后的TEC时间序列、太阳辐射通量值F10.7和地磁活动指数Ap划分为训练集和测试集，继而对训练集中的数据进行零均值标准化处理；

步骤三：确定TCN神经网络的拓扑结构，并初始化TCN网络的权重，对模型中参数进行调节；

步骤四：将训练集批量地输入电离层TEC预报模型中，计算有效历史长度的输出误差，并将误差通过反向传播来更新TCN预测模型权重参数，直至到达最大迭代次数或者准确率、误差率达到最优值；

步骤五：比较训练结果，若误差在设定范围内，则结束训练，执行步骤六，若误差超出设定范围，则执行步骤三，更新TCN网络参数，再次进行训练，直至寻找到最优参数，确定最优模型；

步骤六：模型训练完成后，将训练好的模型记为TCN_TEC，将测试集数据输入TCN_TEC模型中，得到输出结果记为Y₀，继而将Y₀进行Z-score反标准化得到最终TEC预测结果；

步骤七：将预测结果与观测数据进行比较，采用MAPE、MAD、RMSE三个性能指标来评估模型的有效性。

2.根据权利要求1所述的基于TCN模型的电离层总电子含量预报方法，其特征在于，步骤一中，TEC高分辨率序列转换方式为：将下载的电离层数据通过球谐函数转换成VTEC数据，剔除不符合电子含量正常范围的异常数据，并通过样条插值法填充电离层TEC数据，得到时间分辨率为1h的TEC序列；F10.7和Ap处理成与TEC时间分辨率一致的数据格式。

3.根据权利要求1所述的基于TCN模型的电离层总电子含量预报方法，其特征在于，步骤二中，TEC、太阳辐射通量F10.7和地磁活动指数Ap标准化处理方式为：记TEC时间序列为X₀＝{x₁，x₂，x₃，...，x_n}，训练集X_tr＝{x₁，x₂，...x_m}：测试集X_te＝{x₁，x₂，...x_l}＝4:1；数据集划分完成后，对训练集中的元素x_m进行零均值标准化处理，得到标准化之后的训练集为X′_tr＝{x′₁，x′₂，...x′_t}，标准化公式为：式中：μ是原始TEC时间序列的均值，σ为原始TEC时间序列的标准误差，1≤t≤m；太阳辐射通量值F10.7和地磁活动指数Ap的训练集和测试集划分比例亦为4:1，零均值标准化的过程、公式与TEC数据零均值标准化相同。

4.根据权利要求1所述的基于TCN模型的电离层总电子含量预报方法，其特征在于，步骤三中，TCN网络设计为三层网络结构，包括输入层、隐藏层和输出层；输入层包括输入参数地磁指数Ap、太阳活动指数F10.7和电子含量TEC；隐藏层用因果卷积和扩张卷积作为标准卷积层，并将每两个这样的卷积层和恒等映射封装为一个残差模块，再由残差模块堆叠起深层网络，在最后几层使用全卷积层代替全连接层；输出层输出目标为未来24小时电离层电子含量值。

5.根据权利要求4所述的基于TCN模型的电离层总电子含量预报方法，其特征在于，步骤三中，初始化TCN网络的权重为：迭代的次数为50、扩张因子d为1，2，4、卷积核大小为3、学习率大小为0.001以及隐层神经元个数为20。