首页> 中国专利> 基于残差seq2seq神经网络的全球电离层电子总含量预测方法

基于残差seq2seq神经网络的全球电离层电子总含量预测方法

页面导航

摘要
著录项
法律信息
相似文献

摘要

本发明公开了一种基于残差seq2seq神经网络的全球电离层电子总含量预测方法，包括训练阶段和预测阶段，训练阶段包括：1、构建全球电离层电子总含量网格时间序列和预报时间序列，计算得到全球电离层电子总含量预测残差时间序列；2、构建训练样本集；3、构建基于seq2seq神经网络的全球电离层电子总含量残差预测模型，并采用训练样本集进行训练；预测阶段包括：获取当前时刻之前连续K个时刻的全球电离层电子总含量网格数据作为全球电离层电子总含量预测模型的输入，模型的输出为预测残差；根据IGS数据中心发布的预报数据得到当前时刻之后的全球电离层电子总含量预测值。该方法采用seq2seq神经网络对IGS数据中心发布的预报数据进行修正，能够得到较为精确的预测结果。

著录项

公开/公告号CN111814855A

专利类型发明专利
公开/公告日2020-10-23

原文格式PDF
申请/专利权人东南大学;
展开▼

申请/专利号CN202010597705.1
发明设计人胡伍生;余龙飞;董彦锋;
展开▼

申请日2020-06-28
分类号G06K9/62(20060101);G06N3/04(20060101);
代理机构32204 南京苏高专利商标事务所(普通合伙);
代理人常虹
地址 211189 江苏省南京市江宁区东南大学路2号
入库时间 2023-06-19 08:38:01

法律信息

法律状态公告日

法律状态信息

法律状态
2022-11-01

授权

发明专利权授予

相似文献

专利
中文文献
外文文献

1. 基于残差seq2seq神经网络的全球电离层电子总含量预测方法 [P] . 中国专利： CN111814855A . 2020-10-23
2. 基于深度循环神经网络的全球电离层电子总含量预测方法 [P] . 中国专利： CN111539453A . 2020-08-14
3. GLOBAL IONOSPHERIC TOTAL ELECTRON CONTENT PREDICTION METHOD BASED ON DEEP RECURRENT NEURAL NETWORK [P] . WO2021196528A1 . 2021-10-07

机译：基于深复发性神经网络的全局电离层总电子含量预测方法
4. Ionospheric slant total electron content analysis using global positioning system based estimation [P] . 美国专利： US9576082B2 . 2017-02-21

机译：基于全球定位系统的估算电离层倾斜总电子含量
5. IONOSPHERIC SLANT TOTAL ELECTRON CONTENT ANALYSIS USING GLOBAL POSITIONING SYSTEM BASED ESTIMATION [P] . 世界知识产权组织专利： WO2014011792A1 . 2014-01-16

机译：基于全局定位系统的估计电离层倾斜电子总含量