[发明专利]一种多尺度电离层TEC预测方法

说明书

本发明公开了一种多尺度电离层TEC预测方法，包括以下步骤：数据去趋势，用最小二乘法将TEC数据拟合为一条直线作为趋势项，原数据减去趋势项得到非趋势项，非趋势项的均值为零；对非趋势项两端分别使用ARMA模型进行拓延得到，以降低VMD分解的端点效应；对利用VMD算法分解为个不同频率的IMF分量，然后将各分量两端的拓延部分去除，分别使用LSTM神经网络进行预测得到预测值；使用ARMA模型预测趋势项得到趋势项预测值，将趋势项的预测值与非趋势项各分量的预测值重构得到最终预测值。提高了预测结果的精度和稳定性。

技术领域

本发明涉及电离层技术，具体涉及一种多尺度电离层TEC预测方法。

背景技术

目前，电离层是近地空间中距离地面高度60~2000 km的电离区域，其中大气分子受太阳射线和宇宙射线的辐射影响发生电离，导致电离层区域存在大量自由电子，对穿越电离层的通信信号产生不同程度的影响。电离层总电子含量(Total Electron Content,TEC)是单位面积内柱状体内所含的电子数，是描述电离层形态和结构的一个重要参数。TEC数值的变化与信号传播、太阳活动、地球自然现象具有很强的相互关系，因此建立精确的TEC预测模型不仅可以为军事通讯、广播信号、GNSS高精度定位提供基础服务，也可以为地震、台风、海啸等自然现象与地球物理的深入研究提供理论依据。

TEC时间序列具有非线性、非平稳、重复性强等特点，传统的TEC预测方法有时间序列法、相关分析法、多元线性回归法、灰色系统预测模型等。卢建春等利用时间序列分析中的自回归移动平均模型(Autoregressive Moving Average, ARMA)预测了北极地区的电离层TEC值，90%以上的预测值绝对误差小于3 TECU，预测精度随着样本数据的增加而提高，ARMA模型在北极地区具有较高的预测精度。王建平等采用自相关分析法对单站电离层TEC值进行预测，该方法在提前15分钟至24小时能做出精准的预测，单站误差通常在0.36~4.33TECU之间。Inyurt等利用高斯回归模型和多元线性回归预测TEC，研究表明两者预测效果相似但高斯回归模型在提前1~2天能更精确地预测TEC值。Shi等利用灰色系统理论建立残差GM(1,1)模型对灰色模型进行补偿和细化，改进后的模型弥补了GM(1,1)模型由于预测结果残差修正而导致的预测精度缺失，使得预测精度比以前有所提高。Salma和Wadhav提出变分模态分解(Variational Mode Decomposition, VMD)与ARMA相结合的预测模型对磁暴条件下的电离层TEC进行预测，结果表明在暴雨天气条件下该模型与ARMA模型相比精度提高2~3%。

随着人工智能的兴起，诸多学者利用人工智能来进行电离层TEC预测研究。李美玲等提出基于支持向量机方法考虑地磁指数、太阳活动、地理位置等因素的电离层F2层区域预测。田祥雨等提出基于BP神经网络和ARIMA的最优非负变权组合预报模型。研究表明，与传统方法相比人工智能预测具有更高的精度。张富彬等采用编码器-解码器结构配合卷积优化的长短时记忆(Long Short-term Memory, LSTM)网络来实现全球TEC的空间和时间预测。刘淑琼等联合集合经验模态分解(Ensemble Empirical Model Decomposition, EEMD)和径向基函数(Radial Basis Function, RBF)神经网络建立电离层TEC预测模型。研究表明组合模型较单一模型在磁暴日等特殊条件下能显著提升预测精度。

ARMA模型是一种动态数据处理方法，实质上是自回归模型和滑动平局模型的组合形式，其基本思想是利用观测数据之间的自相关性建立相应的数学模型来描述时间序列的动态特征，继而预测未来趋势。ARMA模型具有所需样本数少、计算速度快、短时预测精度高等优点，目前被广泛应用于电离层TEC预测之中。其主要步骤如下：

1）设 为电离层TEC时间序列，对任意满足：

(1)

式中，、为自回归和滑动平均的阶数，、为自回归和滑动平均系数，为方差的高斯白噪声；