[發明專利]一種結合電離層層析技術的電離層TEC組合預測方法

有效

• 申請號: 202110880389.3
• 申請日: 2021-08-02
• 公開（公告）號: CN113591991B
• 公開（公告）日: 2023-10-17
• 發明（設計）人: 尹萍;閆曉鵬
• 申請（專利權）人: 中國民航大學
• 主分類號: G06F18/214
• 分類號: G06F18/214;G06N3/0442;G06N3/084;G01S19/37
• 代理公司: 天津才智專利商標代理有限公司 12108
• 代理人: 龐學欣

1.一種基于結合電離層層析技術的電離層TEC組合預測方法，其特征在于：所述電離層TEC組合預測方法包括按順序進行的下列步驟：

1)基于GPS觀測數據，利用電離層層析算法求取預測區域的電離層電子密度x；

2)利用步驟1)中得到的電離層電子密度x，獲得基于電離層層析算法的垂直總電子含量VTEC序列T₁,T₂,...,T_n；

3)對步驟2)中得到的基于電離層層析算法的垂直總電子含量VTEC序列T₁,T₂,...,T_n進行標準化處理，然后分為訓練集與測試集，并訓練擬合LSTM模型，利用迭代預測的方法獲得基于訓練集的預測垂直總電子含量VTEC序列及基于測試集的預測垂直總電子含量VTEC序列；

4)利用IRI模型計算出與步驟3)中基于訓練集的預測垂直總電子含量VTEC序列具有相同空間、時間分辨率的基于IRI模型的垂直總電子含量VTEC序列I₁；同理，利用IRI模型計算出與步驟(3)中基于測試集的預測垂直總電子含量VTEC序列具有相同空間、時間分辨率的基于IRI模型的VTEC序列I₂；

5)將步驟3)獲得的基于訓練集的預測垂直總電子含量VTEC序列、步驟4)獲得的基于IRI模型的垂直總電子含量VTEC序列I₁以及時間相對應的實際層析垂直總電子含量VTEC序列進行歸一化后作為BP神經網絡訓練集；構建BP神經網絡，利用BP神經網絡訓練集訓練擬合BP神經網絡，獲得訓練擬合后的BP神經網絡；

6)將步驟3)獲得的基于測試集的預測垂直總電子含量VTEC序列和步驟4)獲得的基于IRI模型的垂直總電子含量VTEC序列I₂進行歸一化后作為上述訓練擬合后的BP神經網絡的輸入，利用BP神經網絡非線性擬合基于電離層層析算法的LSTM模型的預測值與IRI模型的預測值，然后將BP神經網絡的輸出反歸一化，即可得出最終的結合電離層層析技術的組合預測垂直總電子含量VTEC序列。

2.根據權利要求1所述的基于結合電離層層析技術的電離層TEC組合預測方法，其特征在于：在步驟1)中，所述基于GPS觀測數據，利用電離層層析算法求取預測區域的電離層電子密度x的具體步驟如下：

(a)利用GPS觀測數據計算出電離層層析算法所需的傾斜總電子含量STEC；

具體步驟如下：

GPS接收機的RINEX文件包含以下可觀測量：

其中，P₁和P₂表示從精密碼中獲得的偽距，L₁和L₂表示信號的載波相位，P₀表示電離層自由偽距，f₁和f₂表示信號的載波頻率，n和λ分別表示整周模糊度和載波波長，ε₁和ε₂分別表示GPS接收機和衛星硬件誤差分量；

比較載波相位和偽碼的可觀測量之間的不同，可以得到關于傾斜總電子含量STEC的兩個方程：

傾斜總電子含量STEC可通過式(5)中的噪聲項計算，也可通過式(6)中與其相關聯的整數模糊度的偏置項來計算；

(b)基于上述傾斜總電子含量STEC，利用電離層層析算法反演獲得電離層電子密度x；

將電離層網格化，設衛星與GPS接收機間的傳輸路徑為h，射線穿過每一體素時在垂直方向的截距記為H₁,H₂,...,H_i...；假設每個網格中的電子密度為定值x₁,x₂,...,x_i...，則單位網格內的傾斜總電子含量STEC為H_ix_i，那么利用步驟(a)求得的一條射線上的傾斜總電子含量STEC可認為是射線穿過網格內的截距與相應網格內的電子密度的乘積之和，即STEC＝H₁x₁+H₂x₂+…+H_ix_i+…；則所有射線上的傾斜總電子含量z＝Hx，x即為所求的電離層電子密度，其中H為所有射線穿過網格的截距矩陣；為了解決穿過網格路徑不完備問題，利用IRI模型創建經驗正交函數并構建補償映射矩陣M，并對補償映射矩陣M進行正則化處理，這時方程Hx＝z變為(HM)X＝z，其中X為轉換后基集的解；然后引入正則化矩陣R，構建正規方程H^TH+cR^TR＝H^Tz，其中c表示用戶定義的正則化常數，最終利用最小殘差法計算出正規方程的解，得到基于原始基的電離層電子密度x。