-
公开(公告)号:CN118585878A
公开(公告)日:2024-09-03
申请号:CN202410587837.4
申请日:2024-05-13
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06F18/241 , G06F18/2131 , G06F18/214 , G06N3/0442 , G06N3/086 , G01T1/29
Abstract: 本发明涉及电离层总电子含量预测技术领域,具体涉及一种基于ICEEMDAN与SSA‑LSTM组合模型的电离层TEC预测方法,首先,采用ICEEMDAN和样本熵方法对获取的电离层TEC原始数据进行“分解‑重构”生成高频、中频和低频分量;其次,将各分量分别划分为训练集和测试集并对其归一化处理,利用麻雀搜索算法优化LSTM模型超参数,训练基于LSTM网络的电离层TEC预测模型;最后,对各分量预测结果进行反归一化和整合,输出电离层TEC预测结果并评估模型性能。本发明利用ICEEMDAN和SSA‑LSTM组合模型方法充分考虑到电离层TEC数据自身具有非线性、非平稳性的特点,给模型训练提供了高质量的输入,提升了电离层TEC预测精度。
-
公开(公告)号:CN117273223A
公开(公告)日:2023-12-22
申请号:CN202311243886.8
申请日:2023-09-25
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06Q10/04 , G06Q10/0639 , G06N3/045 , G06N3/0442 , G06N3/049 , G06F18/21 , G06F18/214
Abstract: 本发明提出一种电离层总电子含量的时序预测方法,所述方法包括:步骤一:获得不同时空环境下的全球电离层TEC格网数据与电离层电子浓度反演相关的多个参数数据;步骤二:构建Transformer‑LSTM模型,所述Transformer‑LSTM模型包括Transformer模块和与所述Transformer模块相连的LSTM模块;将各类所述数据输入所述Transformer模块,建立Transformer训练模型,提取各类所述数据的全局特征;将所述全局特征数据输入所述LSTM模块,利用所述LSTM模块,对所述全局特征数据进行训练,并建立LSTM训练模型,输出预测TEC值;步骤三:将预测的所述TEC值与真实值进行比较,使用多个评价指标对实验效果进行评价反馈。
-