[发明专利]一种用于提高电离层foF2机器学习精度的时间序列数据处理方法

权利要求书

1.一种用于提高电离层foF2机器学习精度的时间序列数据处理方法，包括以下步骤：

第一步、获取foF2历年观测的月24小时中值数据序列，记为f(t)＝{f(t₁),f(t₂),f(t₃),...,f(t_n)}，其中t为时间，最小时间粒度是小时，整个序列含所有观测年中每个月24小时的foF2参数值；

第二步、根据foF2 12小时变化规律、1天变化规律、半年变化规律1年变化规律和11年变化规律，将数据序列拆分为五列，记t_hd为12小时，即第一列为f₁(t)＝{f(t₁-t_hd),f(t₂-t_hd),f(t₃-t_hd),...,f(t_n-t_hd)}；第二列为f₂(t)＝{f(t₁-2t_hd),f(t₂-2t_hd),f(t₃-2t_hd),…,f(t_n-2t_hd)}；第三列为f₃(t)＝{f(t₁-6·2t_hd),f(t₂-6·2t_hd),f(t₃-6·2t_hd),...,f(t_n-6·2t_hd)}；第四列为f₄(t)＝{f(t₁-12·2t_hd),f(t₂-12·2t_hd),f(t₃-12·2t_hd),...,f(t_n-12·2t_hd)}；第五列为f₅(t)＝{f(t₁-11·12·2t_hd),f(t₂-11·12·2t_hd),f(t₃-11·12·2t_hd),…,f(t_n-11·12·2t_hd)}；

第三步、将原始序列f(t)＝{f(t₁),f(t₂),f(t₃),…,f(t_n)}向前平移一个时刻t_h，t_h＝1小时，得到第六列时间序列为f₆(t)＝{f(t₁-t_h),f(t₂-t_h),f(t₃-t_h),...,f(t_n-t_h)}；

第四步、以前三步所得的六列foF2序列作为机器学习模型的输入，当前序列f_out(t)＝{f(t₁),f(t₂),f(t₃),...,f(t_n)}作为机器学习的输出序列,其中t为当前序列的时刻；

第五步、对所有序列进行归一化：f_new(t)＝f_n(t)/max[f(t)]，f_n(t)＝{f(t),f₁(t),f₂(t),f₃(t),f₄(t),f₅(t),f₆(t),f_out(t)}；

第六步、设定机器学习超参数，将第五步所得序列带入机器学习模型进行训练；

第七步、训练结束，输出下一时刻的foF2预测值，记为f(t+1)，存档训练后的机器学习模型。