CN116933083B 一种电离层总电子含量预测方法、系统、电子设备及介质 （昆明理工大学）

本发明公开一种电离层总电子含量预测方模型，对待预测站点t时刻的多源观测数据进行离层总电子含量预测模型是利用训练数据集对2多源观测数据和电离层物理模型的输出数据；所述观测数据为电离层总电子含量观测值；t时刻所有训练用观测站点的多源观测数据；Ot为t时刻所有训练层总电子含量分布的趋势ξ根据站点数据进行自回归滑动平均模型分析，方差类参数服从IG分布，0<ρ<1。以所述多源连续观测数据和所述电离层物理模型的输出数据为当前层状贝叶斯网络利用均方误差验证，确定所述训练用观测站点若否，则对当前层状贝叶斯网络的参数进行调整，并返回所述利一所述训练用观测站点的多源观测数据进行缺失数据处理，得到多源连续观测数据的步若是，则将最小均方误差对应的当前层状贝叶斯网络作为所述34.一种电离层总电子含量预测系统，其特征在于，所述电离层总于实施如权利要求1_3任意一项所述的电离层总电子含量预测方法；所述电离层总电子含序，所述处理器运行所述计算机程序以使所述电子设备执行权利要求1_3任一项所述的电6.一种计算机可读存储介质，其特征在于，序，所述计算机程序被处理器执行时实现权利要求1_3任一项所述的电离层总电子含量预4短波通信的质量以及卫星导航和定位的准确性。电离层总电子含量(totalelectron[0003]电离层TEC同化可以综合利用多种观测手段，如地基和空基全球导航卫星系统[0004]首先，研究电离层TEC数据同化可以帮助人们更好地了解电离层的物理特性和空[0006]最后，研究电离层TEC数据同化还可以用于提高对太阳风暴和空间天气的预测能5[0010](3)数据同化在面对由多个数据源组成的观测数据，且数据时间空间分辨率各不[0017]利用距离交叉矩阵对任一所述训练用观测站点的多源观测数据进行缺失数据处[0018]以所述多源连续观测数据和所述电离层物理模型的输出数据为当前层状贝叶斯t时刻所有训练用观测站点的多源观测数据；Ot为6含量对t时刻的电离层总电子含量的影响；Ot-1为t-1时刻所有训练用观测站点电离层总电理器运行所述计算机程序以使所述电子设备执行上述的电离层总电子含量算机程序被处理器执行时实现上述的电离层7[0044]本发明的电离层总电子含量预测方法是一种基于层状贝叶斯网络算法的电离层[0048]3.误差传递。层状贝叶斯方法通过先验概率分布和条件概率分布来估计系统状电离层测高仪、Jason卫星、非相干散射雷达)获取的电离层总电子含量(totalelectron8[0055]电离层物理/经验模型是利用观测数据建立的一类数学模型，可以用来预测电离[0056]NeQuick模型是一种用于预测全球电离层中电子含量的半经验数字化模型。该模离层分区和电离层层数的计算，而NeQuick_2则用于全球范围内的电子含量计算和预测。[0066]利用距离交叉矩阵对任一所述训练用观测站点的多源观测数据进行缺失数据处[0067]距离交叉矩阵(distancecross_matrix)是指在一组对象中，计算任意两个对象9所述训练用观测站点的多源观测数据的缺失数[0077]以所述多源连续观测数据和所述电离层物理模型的输出数据为当前层状贝叶斯N,t)]代表t时刻所有训练用观N)]T∑η)η素为on(i,j)=o⃞exp(-yd(s,s,),exp(_φβd(Si,Sj))为观测站点Si,Sj两点之间的距离。同样的∑η矩阵每个元素为o,(i,j)=o;exp(-⃞,d(s,s,))。为后续表示方便，数模型只定义五个参数的先验概率分布，其他参数通过数据分析与模型校归滑动平均模型(autoregressivemovingaveragemodel，ARMA)分析，方差类参数服从IG分布。见式(5)。主要方法是利用同化周期内多源观测数据和电离层物理或经验模型输出数据对i，t)是电离层总电子含量的观测值(待预测站点t时刻的多源观测数S′服从的分布2)p(O(Si′n(S′i[0114]数据模型假设数据条件依赖于过程，使得HBN数据同化适用于有多个数据源的观[0117](1)层状建模理论对数据同化问题逐级拆分，利用条件概率表示状态量的空间依[0118](2)传统的数据同化算法(如卡尔曼滤波算法)只能估计状态量的均值和方差，而[0120](4)在层状贝叶斯网络中，复杂的后验概率求解问题转化为一系列简单的后验概[0129](2)数据模型的最大优点在于它对多源数据分别建模，使得层状贝叶斯网络算法[0131](4)当输入数据为