[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

说明书

技术领域

本发明属于地球科学的空间物理技术领域，具体涉及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。

背景技术

地球的内部存在天然的磁性现象，即为地磁场。地磁场数据的分析和预测在工程上具有很高的应用价值，尤其是在异常检测、空间物理、导航定位等领域发挥着重要的作用。车辆、金属矿产、潜艇、水雷等磁性目标本身所具有的磁场叠加于地磁场上，使地磁场在一定区域内出现异常。在磁场异常检测技术中，磁场检测设备会检测到磁场异常信号，通过对该异常信号进行提取并作分析，即可得到异常目标的相关信息(包括位置、形状等信息)。磁异常探测过程中，复杂多变的环境磁场会干扰异常信号的提取，影响对磁异常信号的分析，从而严重影响探测精度，为了满足磁异常探测的高精度与实时性等性能要求，需要对磁异常探测仪工作时所受到的环境背景磁场进行实时的高精度补偿，补偿可通过对地磁场的高精度预测完成。在地磁导航技术中，前期需要在载体的运动区域内建立地磁场模型，绘制出地磁基准参考图，保存在存储单元中。载体在运动过程中以此为基准，通过相应的地磁匹配技术获得导航定位信息。因此，区域地磁场模型的建立极为重要，是决定地磁导航精度的重要因素，对地磁场的高精度预测即可建立一个实时高精度的地磁场模型，提高地磁导航的精度。在空间物理和气象预报技术中，地磁场携带着大量的信息，是重要的分析对象，地磁场的预测可以实现对空间气象的预报和地震等地质灾害的预报。

目前，地磁场预测方法是根据全球范围内已知的离散测量点地磁数据，对地磁场进行数学建模，从而得到地磁场全球模型，根据该模型推算未来时刻地磁场的数值，实现对地磁场的预测。地磁场建模的常规方法是球谐分析法，即用阶数依次增高的有限个球谐函数之和近似表达地磁场标量位，并使全球磁探资料得到最佳拟合，得到全球地磁场的模型。现有方法受球谐级数截断水平的限制，球谐分析法的空间分辨率一般不高，远远不能满足探测、导航等实际需求，提高截断水平虽然可以改善分辨率，但是当球谐级数增大时，待求解的球谐系数的数目急剧增加，计算量和存储量急剧增加。

发明内容

本发明针对球谐函数在建立地磁场模型并对地磁场进行预测时的不足之处，提出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，能够对地磁场进行高精度预测。

一种地磁场预测方法，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。

较佳的，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。

较佳的，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。