[发明专利]一种利用神经网络预测电离层频率扩展F发生概率的方法

权利要求书

1.一种利用神经网络预测电离层频率扩展F发生概率的方法，其特征在于，包括：

步骤A.从foF2数据中读取电离层频率扩展F的信息，并计算其发生概率；

步骤B.找出与foF2数据同时刻的F10.7指数和Dst指数，与foF2数据合成样本数据集；

步骤C.从样本数据集中分出训练数据和测试数据，利用神经网络算法对电离层频率扩展F的发生概率P进行反演，通过反复对训练数据进行训练，生成电离层频率扩展F的发生概率P的预测模型，并利用测试数据进行测试，直到预测模型达到要求的精度为止；

步骤D.通过训练好的预测模型对电离层频率扩展F发生概率进行预测。

2.根据权利要求1所述利用神经网络预测电离层频率扩展F发生概率的方法，其特征在于：步骤A利用电离层垂直探测仪探测到的foF2数据中读取标记为F的频率扩展F事件，记录出现F对应的年、月、日以及时刻，并按下式计算FSF的发生概率：

式中的y、m和h分别代表年、月和当地时间，n是指某年、某月、在某一固定时刻发生FSF事件的次数，而N指的是某年、某月、在某一固定时刻总的样本数。

3.根据权利要求1所述利用神经网络预测电离层频率扩展F发生概率的方法，其特征在于：步骤C从样本数据集中分出80％的数据作为训练数据，分出20％的数据作为测试数据。

4.根据权利要求1所述利用神经网络预测电离层频率扩展F发生概率的方法，其特征在于，步骤C预测模型在测试中采用均方根误差RMS来表征预测性能的优劣，按下式计算：

式中的p_mea和p_sim分别表示实测的FSF的发生概率、预测结果输出的FSF的发生概率；N为数据总样本数。

5.根据权利要求1所述利用神经网络预测电离层频率扩展F发生概率的方法，其特征在于，根据样本数据集计算出F10.7指数、Dst指数、FSF的发生概率的归一化参数，利用归一化参数进行训练，生成电离层频率扩展F的发生概率P的预测模型。

6.根据权利要求5所述利用神经网络预测电离层频率扩展F发生概率的方法，其特征在于，归一化参数的计算表达式如下：

式中A为待求的归一化参数值，为F10.7指数、Dst指数、FSF的发生概率的平均值，σ为对应参数的均方差。

7.根据权利要求1所述利用神经网络预测电离层频率扩展F发生概率的方法，其特征在于，电离层频率扩展F的发生概率P的预测模型生成方法如下：

第一步、设定BP神经网络的各个参数，包括：

1)GOAL：目标误差值；

2)MN：神经元的最大数目；

3)DF：两次显示之间所添加的神经元数目；

第二步、训练BP神经网络；

中间层和输出层的神经元采用对数正切型S函数：

任意单一神经元的输出为：

f＝S(W×p+b)

式中参数f、W、p、b分别表示神经元的输出值、输入权值、输入值和神经元的偏差；

采用三层全连接的BP神经网络结构，表达式如下：

p_(FSF)＝f(F10.7,Dst,LT,m,foF2)

式中，输出参数p_(FSF)代表FSF的发生概率，对应的输入参数F10.7，Dst，LT，m，foF2分别代表F10.7指数、ap指数、当地时间、季节和F2层临界频率foF2；

通过训练数据对网络进行训练，生成电离层频率扩展F的发生概率P的预测模型。