[发明专利]电离层电子含量预报模型的训练方法、预报方法及装置

权利要求书

1.一种电离层电子含量预报模型的训练方法，其特征在于，包括：

获取训练样本集；所述训练样本集包括多个训练样本，每个所述训练样本为t+p个按照预设时间间隔采集的电离层电子含量数据序列；

以所述训练样本中前t个序列的电离层电子含量数据作为输入样本，对预设的注意力残差卷积循环神经网络进行训练；所述注意力残差卷积循环神经网络包括依次连接的t个神经元模块，所述神经元模块包括残差卷积循环神经网络模块和多头注意力模块；其中，第i个神经元模块的残差卷积循环神经网络模块，用于对应获取所述输入样本中第i个电离层电子含量数据和第i-1个所述神经元模块的多头注意力模块的输出值，提取序列特征，并得到特征值和第一特征矩阵；所述第i个神经元模块的多头注意力模块，用于根据所述第i个神经元模块的第一特征矩阵得到第二特征矩阵，将所述第二特征矩阵作为第i个神经元模块的多头注意力模块的输出值；；

通过所述t个神经元模块中后p个神经元模块，获取所述残差卷积循环神经网络模块的特征值作为预报数据；

以所述训练样本中后p个电离层电子含量数据作为输出样本，根据所述预报数据和输出样本之间的损失函数，训练所述预设的注意力残差卷积循环神经网络，以得到电离层电子含量预报模型；

所述残差卷积循环神经网络模块包括n层依次连接的残差网络模块；所述残差网络模块包括依次连接的卷积神经网络、卷积循环神经网络以及逆卷积神经网络，n为正整数；

其中，将所述第i个神经元模块中第j-1层所述残差网络模块的第一输出值，输入所述第i个神经元模块中第j层所述残差网络模块的卷积神经网络，并将第i-1个神经元模块中多头注意力模块输出的第二特征矩阵中第j个值，输入至第i个神经元模块中第j层所述残差网络模块的卷积循环神经网；

将第i个神经元模块中第j层所述残差网络模块的逆卷积神经网络的输出值，和第i个神经元模块中第j-1层所述残差网络模块的第一输出值相加后，作为所述第i个神经元模块中第j层所述残差网络模块的第一输出值。

2.根据权利要求1所述的电离层电子含量预报模型的训练方法，其特征在于，

将所述第i个神经元模块的第j层所述残差网络模块的卷积循环神经网络输出的隐状态作为第i个神经元模块的第j层所述残差网络模块的第二输出值；

其中所述第一特征矩阵包含n个值，所述第i个神经元模块的第j层所述残差网络模块的第二输出值作为所述第一特征矩阵中第j个值。

3.根据权利要求1所述的电离层电子含量预报模型的训练方法，其特征在于，所述第i个神经元模块的残差卷积循环神经网络模块，用于对应获取所述输入样本中第i个电离层电子含量数据和第i-1个所述神经元模块的多头注意力模块的输出值，具体包括：

第1个神经元模块的残差卷积循环神经网络模块，用于对应获取所述输入样本中第1个电离层电子含量数据和初始化零矩阵，并将所述初始化零矩阵对应输入至第1个神经元模块的各个所述残差网络模块的卷积循环神经网络；

将所述输入样本中第i个电离层电子含量数据对应输入至所述第i个神经元模块的残差卷积循环神经网络模块的第1层所述残差网络模块的卷积神经网络。

4.根据权利要求1所述的电离层电子含量预报模型的训练方法，其特征在于，所述通过所述t个神经元模块中后p个神经元模块获取所述残差卷积循环神经网络模块的特征值作为预报数据，具体包括：

通过所述t个神经元模块中后p个神经元模块中的第n层所述残差网络模块的第一输出值作为特征值，并作为预报数据。

5.根据权利要求1-4任一项所述的电离层电子含量预报模型的训练方法，所述电离层电子含量数据是以预设经纬度间隔形成的网格数据。