CN116933083B 一种电离层总电子含量预测方法、系统、电子设备及介质 （昆明理工大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN116933083B

(45)授权公告日2025.07.08

(21)申请号202310907810.4

(56)对比文件

(22)申请日2023.07.24

CN111967679CN112862159

A,2020.11.20

A,2021.05.28

(65)同一申请的已公布的文献号申请公布号CN116933083A

审查员唐道梅

(43)申请公布日2023.10.24

(73)专利权人昆明理工大学

地址650504云南省昆明市呈贡区景明南

路727号

(72)发明人汤俊胡嘉诚樊慈航张伟

许浪

(74)专利代理机构北京高沃律师事务所11569专利代理师王爱涛

(51)Int.CI.

GO6F18/214(2023.01)

GO6N7/01(2023.01)

权利要求书2页

说明书11页附图1页

(54)发明名称

一种电离层总电子含量预测方法、系统、电子设备及介质

(57)摘要

CN116933083B本发明公开一种电离层总电子含量预测方法、系统、电子设备及介质，涉及电离层总电子含量预测领域，方法包括：首先获取待预测站点t时刻的多源观测数据，利用电离层总电子含量预测模型，对待预测站点t时刻的多源观测数据进行数据同化，得到电离层总电子含量真值。其中，电离层总电子含量预测模型是利用训练数据集对

CN116933083B

获取待预测站点t时刻的多源观测数据

根据所述待预测站点t时刻的多源观测数据，利用电离层总电子含量预测模型，预测所述待预测站点t时刻的电离层总电子含量真值

101

102

CN116933083B权利要求书1/2页

2

1.一种电离层总电子含量预测方法，其特征在于，包括：

获取待预测站点t时刻的多源观测数据；观测数据为电离层总电子含量；多源包括全球导航卫星系统、电离层测高仪、Jason卫星和非相干散射雷达；

根据所述待预测站点t时刻的多源观测数据，利用电离层总电子含量预测模型，预测所述待预测站点t时刻的电离层总电子含量真值；其中，所述电离层总电子含量预测模型是利用训练数据集对层状贝叶斯网络进行训练得到的；所述训练数据集包括训练用观测站点的多源观测数据和电离层物理模型的输出数据；所述观测数据为电离层总电子含量观测值；所述层状贝叶斯网络包括数据模型、过程模型和参数模型；

所述数据模型为：

Z=0t+ε;其中，Z为t时刻所有训练用观测站点的多源观测数据；0为t时刻所有训练用观测站点电离层总电子含量真值，ε为t时刻所有训练用观测站点的观测误差项；

所述过程模型为：

0.=ξ+p0+-1+(β?+βs)X+n;其中，为观测区域内电离层总电子含量分布的趋势；p0t-1表示t-1时刻的电离层总电子含量对t时刻的电离层总电子含量的影响；0t-1为t-1时刻所有训练用观测站点电离层总电子含量；X是电离层物理模型的输出数据；β?为不随时间空间变化的常量；β为随空间变化的变量；n为残差项；

所述参数模型只定义P五个参数的先验概率分布；其中，观测区域内电离层总电子含量分布的趋势ξ根据站点数据进行自回归滑动平均模型分析，方差类参数

2.根据权利要求1所述的电离层总电子含量预测方法，其特征在于，利用训练数据集对层状贝叶斯网络进行训练，具体包括：

利用距离交叉矩阵对任一所述训练用观测站点的多源观测数据进行缺失数据处理，得到多源连续观测数据；

以所述多源连续观测数据和所述电离层物理模型的输出数据为当前层状贝叶斯网络的输入，确定训练用观测站点的电离层总电子含量真值；

利用均方误差验证，确定所述训练用观测站点的电离层总电子含量真值和所述训练用观测站点的多源观测数据的均方误差；

判断是否达到最大迭代次数；

若否，则对当前层状贝叶斯网络的参数进行调整，并返回所述利用距离交叉矩阵对任一所述训练用观测站点的多源观测数据进行缺失数据处理，得到多源连续观测数据的步

骤；

若是，则将最小均方误差对应的当前层状贝叶斯网络作为所述电离层总电子含量预测模型。

3.根据权利要求1所述的电离层总电子含量预测方法，其特征在于，所述电离层物理模型的输出数据的确定过程，具体包括：

获取训练用观测站点的地磁指数和太阳活动指数；

以所述地磁指数和所述太阳活动指数为所述电离层物理模型的输入，确定所述电离层物理模型的输出数据；所述输出数据为电离层总电子含量连续值。

CN116933083B