[发明专利]基于神经网络的信息外推方法、装置、设备及存储介质

权利要求书

1.一种基于神经网络的信息外推方法，其特征在于，所述基于神经网络的信息外推方法包括：

获取大气信息历史序列，并使用K临近算法补齐所述大气信息历史序列中缺失的时间点数据；

对补齐的序列进行方差定权，获得方差数据，将所述方差数据输入至预设神经网络模型中进行训练，获得训练结果，并对所述训练结果进行广播；

获取历史气象信息，将所述历史气象信息与广播接收到的目标数据进行结合，获得历史预报信息，并将所述历史预报信息输入至所述预设神经网络模型中，获得输出信息，并将所述输出信息进行外推；

其中，所述对补齐的序列进行方差定权，获得方差数据，将所述方差数据输入至预设神经网络模型中进行训练，获得训练结果，并对所述训练结果进行广播，包括：

获取历史气象信息估计结果，根据所述历史气象信息估计结果按照时间和解算进度对补齐的序列进行方差定权；

对定权序列中的数据野值进行剔除，获得方差数据；

将所述方差数据输入至预设神经网络模型中进行训练，获得训练结果，并对所述训练结果进行广播；

其中，所述将所述方差数据输入至预设神经网络模型中进行训练，获得训练结果，并对所述训练结果进行广播，包括：

提取所述方差数据中对流层延迟的周期项系数，利用最小二乘法获取所述周期项系数对应的残差项；

利用预设神经网络模型对所述残差项进行预报，将预报数据与原始周期信号结合，获得对流层预报模型；

将所述方差数据中电离层延迟中的周期项数据进行剔除，获得残差数据；

将所述残差数据输入至所述预设神经网络模型进行训练，获得电离层训练数据，将所述电离层训练数据与所述周期项数据结合，获得电离层预报模型；

将所述对流层预报模型和所述电离层预报模型作为训练结果，并对所述训练结果进行广播。

2.如权利要求1所述的基于神经网络的信息外推方法，其特征在于，所述获取大气信息历史序列，并使用K临近算法补齐所述大气信息历史序列中缺失的时间点数据，包括：

获取大气信息历史序列，从所述大气信息历史序列中获得待插值点周围的历史大气延迟数据；

利用K临近算法计算所述历史大气延迟数据对应的插值数据，根据所述插值数据补齐所述大气信息历史序列中缺失的时间点数据。

3.如权利要求1所述的基于神经网络的信息外推方法，其特征在于，所述对定权序列中的数据野值进行剔除，获得方差数据，包括：

根据预设置信度和预设自由度计算野值判断阈值，根据所述野值判断阈值确定所述定权序列中的数据野值，相应的，通过下述公式获得数据野值：

其中，G为野值估计值，Y_i为计算结果，为数据均值，n为数据个数，s为数据方差，T为野值置信度，N为预置自由度，为预置置信度；

将所述数据野值从所述定权序列中剔除，获得方差数据。