[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

摘要

本发明公开了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，相较于球谐分析法，结构简单，需要求解的参数少，求解方法简单；循环神经网络采用长短时记忆模型结构，增强了对地磁场数据的时序关系的处理，可有效地预测出地磁场数据的随时间变化的规律；无需对原始的地磁场数据做复杂的处理，不用在频谱和统计学上对地磁场数据进行预处理，方便了数据的处理过程；针对地磁场数据的周期性特点选择训练样本和测试样本的时间长度，并依此设计循环神经网络的结构，使得神经网络可以有效地分析地磁场周期性特征，大大提高地磁场的预测精度。

主权项

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。