[发明专利]基于深空站温度的预测方法和装置、处理器及电子设备

说明书

本申请公开了一种基于深空站温度的预测方法和装置、处理器及电子设备。该方法包括：确定待预测温度的目标时间；获取目标温度预测模型，其中，目标温度预测模型是通过深空站的历史温度数据得到的；将目标时间输入目标温度预测模型中，得到深空站在目标时间对应的第一预测温度值。通过本申请，解决了相关技术中通过GPT模型获取对流层延迟模型需要的温度数据，但是GPT模型仅能提供周日温度，且与深空站内温度差异较大，导致温度数据准确率比较低的问题。

技术领域

本申请涉及温度预测技术领域，具体而言，涉及一种基于深空站温度的预测方法和装置、处理器及电子设备。

背景技术

对流层延迟误差是深空甚长基线干涉测量(Very Long BaselineInterferometry，VLBI)的重要误差源之一。在实时VLBI测量中，对流层延迟修正一般通过模型实现，温度、湿度、压强等气象参数是对流层延迟模型的输入，直接影响延迟修正精度。实测的气象参数存在实时性不强的问题，构建一种不依赖实测气象参数的对流层延迟模型在深空探测实时任务中具有重要意义。GPT模型可提供全球范围内的温度、大气压强的预测值，但每日仅提供一个结果，无法描述气象参数的周日变化特性。实测气象数据显示，深空站温度每日变化幅度约20℃，与GPT模型的偏差高达10℃。GPT模型预测的温度与深空站内温度差异较大，存在温度数据准确率比较低的问题。

针对相关技术中通过GPT模型获取对流层延迟模型需要的温度数据，但是GPT模型仅能提供周日温度，且与深空站内温度差异较大，导致温度数据准确率比较低的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种基于深空站温度的预测方法和装置、处理器及电子设备，以解决相关技术中通过GPT模型获取对流层延迟模型需要的温度数据，但是GPT模型仅能提供周日温度，且与深空站内温度差异较大，导致温度数据准确率比较低的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种基于深空站温度的预测方法。该方法包括：确定待预测温度的目标时间；获取目标温度预测模型，其中，所述目标温度预测模型是通过深空站的历史温度数据得到的；将所述目标时间输入所述目标温度预测模型中，得到所述深空站在所述目标时间对应的第一预测温度值。

进一步地，获取目标温度预测模型包括：对所述深空站的历史温度数据进行处理，得到目标温度数据，并基于所述目标温度数据，通过三角函数建立模型，得到目标温度周年预测模型，其中，所述目标温度数据包括：温度数据和所述温度数据对应的年积日；通过所述目标温度周年预测模型和所述目标温度数据，得到周年温度残差数据，并将所述周年温度残差数据划分为昼温度残差数据和夜温度残差数据；基于所述昼温度残差数据和所述夜温度残差数据，分别得到目标昼温度预测模型和目标夜温度预测模型；将所述目标温度周年预测模型、所述目标昼温度预测模型和所述目标夜温度预测模型进行叠加，得到所述目标温度预测模型。

进一步地，对所述深空站的历史温度数据进行处理，得到目标温度数据包括：对所述深空站的历史温度数据进行筛选，得到初始温度数据；对所述初始温度数据进行转换，得到所述目标温度数据。

进一步地，基于所述目标温度数据，通过三角函数建立模型，得到目标温度周年预测模型包括：对所述目标温度数据进行数据分析，确定所述目标温度数据呈现周期特性；基于所述周期特性，通过三角函数建立初始温度周年预测模型；通过最小二乘法对所述初始温度周年预测模型进行参数求解，得到目标参数；依据所述目标参数对所述初始温度周年预测进行处理，得到所述目标温度周年预测模型。

进一步地，通过所述目标温度周年预测模型和所述目标温度数据，得到周年温度残差数据包括：通过所述目标温度周年预测模型进行温度预测，得到与所述目标温度数据一一对应的第二预测温度值；计算所述目标温度数据与所述第二预测温度值的差值，得到所述周年温度残差数据。