[发明专利]一种基于长短时记忆模型循环神经网络的地磁场预测方法

权利要求书

1.一种地磁场预测方法，其特征在于，包括如下步骤：

步骤一、在设定的时间跨度内，按设定的采集周期，获取每一个采样点上的地磁场数据，作为数据集的输出部分；在对地磁场数据进行采样同时，获得每一个采样点上的空间物理指数数据，作为数据集的输入部分，由此形成数据集；所述时间跨度以天为单位；

步骤二、在所述数据集中选取时间跨度为整数天的数据形成训练集；

步骤三、从训练集的第1个采样点开始，选取L个连续采样点上的空间物理指数数据，组成第一个训练样本的输入部分；从该训练样本的下一采样点开始选取M个连续的采样点上的地磁场数据，作为该训练样本的输出部分；

然后从训练集的第2个采样点开始，选取L个连续采样点上的空间物理指数数据，组成第二个训练样本的输入部分，并从该训练样本的下一采样点开始选取M个连续的采样点上的地磁场数据，作为该训练样本的输出部分；

以此类推，得到各个训练样本的输入部分和输出部分；其中，L即为训练样本的时间长度，是根据地磁场周期性的特点设定的，M为预测地磁场的时间长度，根据需要预测的时间长度确定；

步骤四、搭建循环神经网络，其中，输入层节点数量设置为数据集输入部分空间物理指数的种类数,设置隐含层节点个数和输出层的节点个数，其中，输出层的个数即预测地磁场的时间长度M；将隐含层节点设置为长短时记忆模型结构；

步骤五、将步骤二得到训练样本输入到步骤四搭建的循环神经网络中，对其进行训练；每一次训练迭代完成后判断是否满足停止条件，如果满足，则得到训练好的循环神经网络，执行下一步，如果不满足，继续进行迭代训练；

步骤六、将输入的空间物理指数输入到训练好的循环神经网络中进行地磁场预测。

2.如权利要求1所述的一种地磁场预测方法，其特征在于，所述空间物理指数输入包括太阳风温度、密度、速度、地磁活动指数Dst以及Kp。

3.如权利要求1所述的一种地磁场预测方法，其特征在于，对所述步骤一中的数据集中的数据进行归一化处理，将数据取值范围限制在[0.2-0.8]之间。

4.如权利要求1所述的一种地磁场预测方法，其特征在于，在数据集中，选择整数天的时间跨度数据形成测试集，再按照步骤三的方法，得到各个测试样本；利用测试样本对步骤五训练好的循环神经网络进行测试，得到测试结果：如果测试结果满足要求，则利用该循环神经网络进行地磁场预测，如果不满足要求，则调整循环神经网络的隐含层节点个数，继续执行步骤五进行训练，直到满足要求位置。

5.如权利要求1所述的一种地磁场预测方法，其特征在于，所述循环神经网络采用Sigmoid函数作为神经网络的激活函数。

6.如权利要求1所述的一种地磁场预测方法，其特征在于，所述循环神经网络采用BP算法对网络中的权值与偏置进行更新迭代。

7.如权利要求1所述的一种地磁场预测方法，其特征在于，步骤一中数据集的时间跨度至少为30天。

8.如权利要求1所述的一种地磁场预测方法，其特征在于，所述L至少为7天。

9.如权利要求1所述的一种地磁场预测方法，其特征在于，所述M小于3天。