一种基于统计学习的区域电离层TEC预测方法技术

本发明专利技术公开一种基于统计学习的区域电离层TEC预测方法，包括：S1.对采集的初始TEC观测数据进行预处理，确定建模过程中所使用数据的采样周期和存储格式，得到标准化的TEC建模数据，并对标准化TEC建模数据进行分离，确定训练数据集和验证数据集；S2.构建基于地理位置参数、太阳活动参数、月份和世界时的区域电离层TEC预测模型；区域电离层TEC预测模型由时间模型和空间模型组成；S3.基于训练数据集，利用最小二乘法对时间模型进行训练，利用交叉验证方法对空间模型进行训练，确定时间模型和空间模型的相关参数与未知系数，基于验证数据集验证时间模型和空间模型；S4.输入地理位置参数、太阳活动参数、月份和世界时得到区域电离层TEC预测值。预测值。预测值。

【技术实现步骤摘要】
一种基于统计学习的区域电离层TEC预测方法


[0001]本专利技术涉及短波通信选频，卫星业务保障等领域，特别是涉及一种基于统计学习的区域电离层TEC预测方法。

技术介绍

[0002]TEC可以通过电离层探测仪直接测量或利用无线电信号传输过程中的载波相位延迟间接反演求解。在缺少测量条件或其他极端情况时，TEC可通过物理模型，数学模型和经验模型等计算得到。其中，国际参考电离层是最常见的经验模型，也是众所周知推荐的国际标准，目前的最新版本为2016年更新。
[0003]国际参考电离层等覆盖全球范围的电离层模型，可以综合TEC的全球空间分布特征提供较为平均的预测。当预测地区存在特殊的局部电离层扰动的情况时，与全球电离层模型相比，区域电离层模型展现了更高的预测精度，更有针对性、更精炼、更简单。因此，区域电离层模型是近年来研究的主流。区域电离层模型的建立，也是未来短波通信和卫星业务应用的必然需求。
[0004]此外由于太阳辐射、地磁扰动等多种因素，导致TEC随地理位置和太阳活动变化等呈现出昼夜，月份，季节的固有周期性变化以及随太阳11周年活动的变化特点。

技术实现思路

[0005]本专利技术的目的是为了克服现有技术中的不足，基于短波通信和卫星业务领域的应用需求和目前的研究现状，提供一种基于统计学习的区域电离层TEC预测方法。
[0006]本专利技术的目的是通过以下技术方案实现的：
[0007]一种基于统计学习的区域电离层TEC预测方法，包括：
[0008]S1.对采集的初始TEC观测数据进行预处理，确定建模过程中所使用数据的采样周期和存储格式，得到标准化的TEC建模数据，并对标准化TEC建模数据进行分离，确定训练数据集和验证数据集；
[0009]S2.基于主成分分析函数集构建基于地理位置参数、太阳活动参数、月份和世界时的区域电离层TEC预测模型；所述区域电离层TEC预测模型由时间模型和空间模型组成；所述地理位置参数包括纬度数据和经度数据；
[0010]S3.基于训练数据集，利用最小二乘法对时间模型进行训练，利用交叉验证方法对空间模型进行训练，确定时间模型和空间模型的相关参数与未知系数，基于验证数据集验证时间模型和空间模型；
[0011]S4.输入地理位置参数、太阳活动参数、月份和世界时得到区域电离层TEC预测值。
[0012]进一步的，步骤S1具体如下：
[0013]S101.选择60分钟作为初始TEC观测数据的统一采样周期；
[0014]S102.计算并按照时间顺序存储每个TEC观测站点的每一月份TEC全天24小时月均值，形成标准化的TEC建模数据，即一个TEC观测站点对应一个标准化建模数据文件，第一行
存储第一年第1个月份24小时TEC月均值，第二行存储第一年第2个月份24小时TEC月均值，依序存储至最后一年最后一月24小时TEC月均值，形成月份数
×
24的建模数据矩阵，并保存为标准化的TEC建模数据文件；
[0015]S103.将标准化的TEC建模数据文件按照观测站点分离为训练数据集和验证数据集。
[0016]进一步的，步骤S103中，用于训练的观测站点的标准化TEC建模数据文件连续时期均大于1个太阳活动周期，即至少包含一个太阳活动低年和一个太阳活动高年；将标准化TEC建模数据文件连续时期不足11年的站点作为验证站点，不参与训练过程；将用于训练的观测站点的标准化TEC建模数据作为训练数据集，将验证站点和从训练站点中选择的若干站点的标准化TEC建模数据作为验证数据集。
[0017]进一步的，步骤S2具体如下：
[0018]S201.基于主成分分析理论将TEC正交分解为受互不相关的独立过程控制的时间变量和空间变量，构建基于地理位置参数、太阳活动参数、月份和世界时的区域电离层TEC预测模型：
[0019][0020]式中，λ代表地理纬度，代表地理经度，p代表太阳10.7cm射电通量12个月滑动平均值，r代表太阳黑子数12个月滑动平均值，m代表月份，t代表世界时，i代表用于建模的TEC观测站点的计数，I代表用于建模的TEC观测站点总数，代表TEC的时间模型，代表TEC的空间模型中不同TEC观测站点所对应的重构权重系数。
[0021]S202.建立TEC时间模型；将太阳10.7cm射电通量12个月滑动平均值和太阳黑子数12个月滑动平均值一起作为自变量引入TEC时间模型，建立从太阳活动参数和月份到TEC的时间模型：
[0022][0023]式中，k代表时间周期谐波次数，K代表时间周期谐波次数最大值，K取1，2，3，4分别表示以年，半年，季度和月份为周期；l代表太阳活动的谐波次数，L代表太阳活动的谐波次数最大值，即取太阳活动参数的L次谐波来回归。
[0024]S203.建立TEC空间模型；分布在不同地区的TEC观测站点提供的若干数量的TEC数据观测样本，反映了区域电离层TEC空间分布的全部或部分特征，空间模型用于描述上述不确定的TEC空间变化特征；引入带尺度因子的修正欧式距离作为TEC观测站点间的实际空间距离，由此建立的空间模型表示为：
[0025][0026]式中，I代表用于建模的站点总数，TEC(i)代表第i个TEC观测站点的实际TEC观测值，W
i
代表第i个TEC观测站点对应的重构权重系数，为保证空间模型的重构无偏性，W
i
通过
下式确定：
[0027][0028]γ(d
ij
)代表第i个观测站和第j个观测站之间电离层距离d
ij
对应的变异函数；γ(d
j0
)代表第j个观测站与重构位置之间电离层距离d
j0
对应的变异函数；I代表用于建模的站点总数。
[0029]进一步的，步骤S3具体如下：
[0030]S301.确定时间模型的相关参数和未知系数；利用最小二乘法对时间模型进行训练，通过回归分析确定时间模型的相关参数和未知系数；考虑训练误差和训练时间，确定时间模型的阶数K和太阳活动谐波次数L分别为3和5，时间模型具体表达式为：
[0031][0032]式中，为待定系数，通过最小二乘法确定；
[0033]S302.确定空间模型的相关参数和未知系数；采用交叉重构的方式，即对重构站点进行重构时将其实际TEC观测值在训练数据集中除去，利用剩余的训练站点实际TEC观测值对重构站点进行空间插值，依次进行循环，直至完成对所有TEC观测站点的空间重构，以相对均方根误差作为策略，确定最优尺度因子；应用拉格朗日乘数算法求极值，计算各TEC观测站点对应的空间重构权重系数，进而确定各TEC观测站点所对应的空间模型；
[0034]S303.综合步骤S301与S302确定的时间模型、空间模型，确定从地理位置参数、太阳活动参数、月份和世界时到TEC的非线性区域电离层TEC预测模型。
[0035]进一步的，步骤S4中首先利用区域电离层TEC时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于统计学习的区域电离层TEC预测方法，其特征在于，包括：S1.对采集的初始TEC观测数据进行预处理，确定建模过程中所使用数据的采样周期和存储格式，得到标准化的TEC建模数据，并对标准化TEC建模数据进行分离，确定训练数据集和验证数据集；S2.基于主成分分析函数集构建基于地理位置参数、太阳活动参数、月份和世界时的区域电离层TEC预测模型；所述区域电离层TEC预测模型由时间模型和空间模型组成；所述地理位置参数包括纬度数据和经度数据；S3.基于训练数据集，利用最小二乘法对时间模型进行训练，利用交叉验证方法对空间模型进行训练，确定时间模型和空间模型的相关参数与未知系数，基于验证数据集验证时间模型和空间模型；S4.输入地理位置参数、太阳活动参数、月份和世界时得到区域电离层TEC预测值。2.根据权利要求1所述一种基于统计学习的区域电离层TEC预测方法，其特征在于，步骤S1具体如下：S101.选择60分钟作为初始TEC观测数据的统一采样周期；S102.计算并按照时间顺序存储每个TEC观测站点的每一月份TEC全天24小时月均值，形成标准化的TEC建模数据，即一个TEC观测站点对应一个标准化建模数据文件，第一行存储第一年第1个月份24小时TEC月均值，第二行存储第一年第2个月份24小时TEC月均值，依序存储至最后一年最后一月24小时TEC月均值，形成月份数
×
24的建模数据矩阵，并保存为标准化的TEC建模数据文件；S103.将标准化的TEC建模数据文件按照观测站点分离为训练数据集和验证数据集。3.根据权利要求2所述一种基于统计学习的区域电离层TEC预测方法，其特征在于，步骤S103中，用于训练的观测站点的标准化TEC建模数据文件连续时期均大于1个太阳活动周期，即至少包含一个太阳活动低年和一个太阳活动高年；将标准化TEC建模数据文件连续时期不足11年的站点作为验证站点，不参与训练过程；将用于训练的观测站点的标准化TEC建模数据作为训练数据集，将验证站点和从训练站点中选择的若干站点的标准化TEC建模数据作为验证数据集。4.根据权利要求1所述一种基于统计学习的区域电离层TEC预测方法，其特征在于，步骤S2具体如下：S201.基于主成分分析理论将TEC正交分解为受互不相关的独立过程控制的时间变量和空间变量，构建基于地理位置参数、太阳活动参数、月份和世界时的区域电离层TEC预测模型：式中，λ代表地理纬度，代表地理经度，p代表太阳10.7cm射电通量12个月滑动平均值，r代表太阳黑子数12个月滑动平均值，m代表月份，t代表世界时，i代表用于建模的TEC观测站点的计数，I代表用于建模的TEC观测站点总数，代表TEC的时间模型，代表TEC的空间模型中不同TEC观测站点所对应的重构权重系数；S202.建立TEC时间模型；将太阳10.7cm射电通量12个月滑动平均值和太阳黑子数12个
月滑动平均值一起作为自变量引入TEC时间模型，建立从太阳活动参数和月份到TEC的时间模型：式中，...

【专利技术属性】
技术研发人员：刘一燃，杨铖，王健，傅海鹏，
申请(专利权)人：天津大学，
类型：发明
国别省市：