[发明专利]一种F10.7指数的预测方法及设备

权利要求书

1.一种F10.7指数的预测方法，其特征在于，包括：

获取上一周期的历史F10.7指数作为输入数据；

将所述输入数据输入预先训练的预测模型，得到当前周期的预测F10.7指数；其中，所述预测模型基于SCINet网络和经验模态分解进行训练。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取历史F10.7指数作为样本数据；

根据所述样本数据训练所述预测模型。

3.根据权利要求2所述的方法，其特征在于，根据所述样本数据训练所述预测模型，包括：

对所述样本数据进行筛选；

对筛选后的样本数据进行经验模态分解，得到多个本征模函数和一个残差；

将全部本征模函数和残差输入SCINet网络，输出各本征模函数和残差对应的预测结果；

综合本征模函数和残差对应的预测结果，得到最终预测结果。

4.根据权利要求3所述的方法，其特征在于，对所述样本数据进行筛选，包括：

对所述样本数据标注出极值点；

将所述样本数据中的极大值点进行连接，构成上包络线；将所述样本数据中的极小值点进行连接，构成下包络线；

确定上包络线和下包络线之间的样本数据的标准偏差；

建立循环，判断标准偏差是否小于预设阈值；

若标准偏差小于预设阈值，结束循环，输出上包络线和下包络线之间的样本数据作为筛选后的样本数据。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

若标准偏差不小于预设阈值，执行循环，直至上包络线和下包络线之间的样本数据的标准偏差小于预设阈值。

6.根据权利要求2所述的方法，其特征在于，获取历史F10.7指数作为样本数据后，所述方法还包括：

对所述样本数据进行数据清洗。

7.根据权利要求2所述的方法，其特征在于，所述数据清洗包括：

对所述样本数据基于周期内的平均值进行缺失值填补。

8.一种F10.7指数的预测设备，其特征在于，包括：

处理器和存储器；

所述处理器与存储器通过通信总线相连接：

其中，所述处理器，用于调用并执行所述存储器中存储的程序；

所述存储器，用于存储程序，所述程序至少用于执行权利要求1-7任一项所述的一种F10.7指数的预测方法。