本申請(qǐng)涉及人工智能，具體涉及一種擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)方法及裝置。

背景技術(shù)：

1、環(huán)電流是地球磁層中一個(gè)特別重要的自東向西的電流系統(tǒng)，主要由10–200kev的高能粒子組成，并在地表感應(yīng)形成與地球磁場(chǎng)方向相反的南向磁場(chǎng)。當(dāng)太陽(yáng)風(fēng)增強(qiáng)，更多粒子注入內(nèi)磁層導(dǎo)致環(huán)電流增強(qiáng)，使得地表磁場(chǎng)水平分量顯著減弱，引發(fā)地磁暴(簡(jiǎn)稱磁暴)現(xiàn)象。磁暴會(huì)嚴(yán)重影響地球的電磁環(huán)境，并可能造成廣泛的重大影響，包括通信問(wèn)題、衛(wèi)星故障、電網(wǎng)和輸油管道的感應(yīng)電流等。地球磁層環(huán)電流所造成的中低緯度地區(qū)地表磁場(chǎng)水平分量的劇烈擾動(dòng)，可以通過(guò)擾動(dòng)風(fēng)暴時(shí)間(disturbance?storm?time，dst)指數(shù)來(lái)表征。dst指數(shù)作為衡量地磁活動(dòng)的一項(xiàng)重要指標(biāo)，可以清晰反映磁暴的發(fā)生時(shí)間和強(qiáng)度。一般來(lái)說(shuō)，在磁暴發(fā)展過(guò)程中，環(huán)電流的增強(qiáng)導(dǎo)致地表低緯地區(qū)地磁水平分量強(qiáng)度降低。相應(yīng)地，dst指數(shù)從磁暴前的零值左右開(kāi)始下降為負(fù)值。dst指數(shù)的下降可以作為磁暴開(kāi)始的標(biāo)志，dst指數(shù)也作為環(huán)電流先增強(qiáng)后減弱的表征，反映磁暴的發(fā)生和恢復(fù)。在日常的生活中，需要對(duì)dst指數(shù)進(jìn)行預(yù)測(cè)，從而對(duì)地磁風(fēng)暴進(jìn)行預(yù)警。但是，dst指數(shù)與太陽(yáng)風(fēng)參數(shù)之間固有的復(fù)雜非線性關(guān)系，導(dǎo)致擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)值不準(zhǔn)。傳統(tǒng)的預(yù)測(cè)模型往往不能熟練地捕捉到這些因素之間的微妙變化和相關(guān)性，從而導(dǎo)致擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)的精度較低。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)實(shí)施例提供一種擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)方法及裝置，可以提高擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)的精度。

2、第一方面，本申請(qǐng)?zhí)峁┑臄_動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)方法，包括：

3、獲取太陽(yáng)風(fēng)組合參數(shù)序列數(shù)據(jù)和目標(biāo)指數(shù)預(yù)測(cè)模型；

4、將太陽(yáng)風(fēng)組合參數(shù)序列數(shù)據(jù)輸入目標(biāo)指數(shù)預(yù)測(cè)模型的編碼器中，得到第二編碼季節(jié)分量；

5、將歷史季節(jié)分量序列輸入目標(biāo)指數(shù)預(yù)測(cè)模型的解碼器的自適應(yīng)頻率增強(qiáng)塊進(jìn)行頻域增強(qiáng)，得到第一增強(qiáng)數(shù)據(jù)；

6、將第一增強(qiáng)數(shù)據(jù)和歷史季節(jié)分量序列疊加，得到第一疊加數(shù)據(jù)；

7、使用目標(biāo)指數(shù)預(yù)測(cè)模型的解碼器中的混合專家分解塊分解第一疊加數(shù)據(jù)，得到第一解碼季節(jié)分量和第一解碼趨勢(shì)分量；

8、將第二編碼季節(jié)分量和第一解碼季節(jié)分量輸入目標(biāo)指數(shù)預(yù)測(cè)模型的解碼器的自適應(yīng)非平穩(wěn)頻率增強(qiáng)注意力模塊進(jìn)行頻域?qū)W習(xí)后，與第一解碼季節(jié)分量融合，得到第一融合分量；

9、使用目標(biāo)指數(shù)預(yù)測(cè)模型的解碼器中的混合專家分解塊分解第一融合分量得到第二解碼季節(jié)分量和第二解碼趨勢(shì)分量；

10、將第二解碼季節(jié)分量輸入目標(biāo)指數(shù)預(yù)測(cè)模型的解碼器的前饋神經(jīng)網(wǎng)絡(luò)后，與第二解碼季節(jié)分量融合，得到第二融合分量；

11、使用目標(biāo)指數(shù)預(yù)測(cè)模型的解碼器中的混合專家分解塊分解第二融合分量得到第三解碼季節(jié)分量和第三解碼趨勢(shì)分量；

12、融合第三解碼季節(jié)分量、歷史趨勢(shì)分量序列、第一解碼趨勢(shì)分量、第二解碼趨勢(shì)分量、第三解碼趨勢(shì)分量，得到第三融合分量；

13、基于第三融合分量確定擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)值。

14、第二方面，本申請(qǐng)?zhí)峁┑臄_動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)裝置，包括：

15、獲取模塊，用于獲取太陽(yáng)風(fēng)組合參數(shù)序列數(shù)據(jù)和目標(biāo)指數(shù)預(yù)測(cè)模型；

16、輸入模塊，用于將太陽(yáng)風(fēng)組合參數(shù)序列數(shù)據(jù)輸入目標(biāo)指數(shù)預(yù)測(cè)模型的編碼器中，得到第二編碼季節(jié)分量；

17、增強(qiáng)模塊，用于將歷史季節(jié)分量序列輸入目標(biāo)指數(shù)預(yù)測(cè)模型的解碼器的自適應(yīng)頻率增強(qiáng)塊進(jìn)行頻域增強(qiáng)，得到第一增強(qiáng)數(shù)據(jù)；

18、疊加模塊，用于將第一增強(qiáng)數(shù)據(jù)和歷史季節(jié)分量序列疊加，得到第一疊加數(shù)據(jù)；

19、第一分解模塊，用于使用目標(biāo)指數(shù)預(yù)測(cè)模型的解碼器中的混合專家分解塊分解第一疊加數(shù)據(jù)，得到第一解碼季節(jié)分量和第一解碼趨勢(shì)分量；

20、第一融合模塊，用于將第二編碼季節(jié)分量和第一解碼季節(jié)分量輸入目標(biāo)指數(shù)預(yù)測(cè)模型的解碼器的自適應(yīng)非平穩(wěn)頻率增強(qiáng)注意力模塊進(jìn)行頻域?qū)W習(xí)后，與第一解碼季節(jié)分量融合，得到第一融合分量；

21、第二分解模塊，用于使用目標(biāo)指數(shù)預(yù)測(cè)模型的解碼器中的混合專家分解塊分解第一融合分量得到第二解碼季節(jié)分量和第二解碼趨勢(shì)分量；

22、第二融合模塊，用于將第二解碼季節(jié)分量輸入目標(biāo)指數(shù)預(yù)測(cè)模型的解碼器的前饋神經(jīng)網(wǎng)絡(luò)后，與第二解碼季節(jié)分量融合，得到第二融合分量；

23、第三分解模塊，用于使用目標(biāo)指數(shù)預(yù)測(cè)模型的解碼器中的混合專家分解塊分解第二融合分量得到第三解碼季節(jié)分量和第三解碼趨勢(shì)分量；

24、第三融合模塊，用于融合第三解碼季節(jié)分量、歷史趨勢(shì)分量序列、第一解碼趨勢(shì)分量、第二解碼趨勢(shì)分量、第三解碼趨勢(shì)分量，得到第三融合分量；

25、確定模塊，用于基于第三融合分量確定擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)值。

26、第三方面，本申請(qǐng)?zhí)峁┑碾娮釉O(shè)備，包括存儲(chǔ)器和處理器，存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，處理器用于運(yùn)行存儲(chǔ)器內(nèi)的計(jì)算機(jī)程序，實(shí)現(xiàn)本申請(qǐng)所提供的擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)方法中的步驟。

27、第四方面，本申請(qǐng)?zhí)峁┑挠?jì)算機(jī)可讀存儲(chǔ)介質(zhì)，存儲(chǔ)有多條指令，該指令適于處理器進(jìn)行加載，實(shí)現(xiàn)本申請(qǐng)所提供的擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)方法中的步驟。

28、第五方面，本申請(qǐng)?zhí)峁┑挠?jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序或指令，該計(jì)算機(jī)程序或指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)本申請(qǐng)所提供的擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)方法中的步驟。

29、本申請(qǐng)中，相較于相關(guān)技術(shù)，擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)方法包括：獲取太陽(yáng)風(fēng)組合參數(shù)序列數(shù)據(jù)和目標(biāo)指數(shù)預(yù)測(cè)模型；將太陽(yáng)風(fēng)組合參數(shù)序列數(shù)據(jù)輸入目標(biāo)指數(shù)預(yù)測(cè)模型的編碼器中，得到第二編碼季節(jié)分量；將歷史季節(jié)分量序列輸入目標(biāo)指數(shù)預(yù)測(cè)模型的解碼器的自適應(yīng)頻率增強(qiáng)塊進(jìn)行頻域增強(qiáng)，得到第一增強(qiáng)數(shù)據(jù)；將第一增強(qiáng)數(shù)據(jù)和歷史季節(jié)分量序列疊加，得到第一疊加數(shù)據(jù)；使用目標(biāo)指數(shù)預(yù)測(cè)模型的解碼器中的混合專家分解塊分解第一疊加數(shù)據(jù)，得到第一解碼季節(jié)分量和第一解碼趨勢(shì)分量；將第二編碼季節(jié)分量和第一解碼季節(jié)分量輸入目標(biāo)指數(shù)預(yù)測(cè)模型的解碼器的自適應(yīng)非平穩(wěn)頻率增強(qiáng)注意力模塊進(jìn)行頻域?qū)W習(xí)后，與第一解碼季節(jié)分量融合，得到第一融合分量；使用目標(biāo)指數(shù)預(yù)測(cè)模型的解碼器中的混合專家分解塊分解第一融合分量得到第二解碼季節(jié)分量和第二解碼趨勢(shì)分量；將第二解碼季節(jié)分量輸入目標(biāo)指數(shù)預(yù)測(cè)模型的解碼器的前饋神經(jīng)網(wǎng)絡(luò)后，與第二解碼季節(jié)分量融合，得到第二融合分量；使用目標(biāo)指數(shù)預(yù)測(cè)模型的解碼器中的混合專家分解塊分解第二融合分量得到第三解碼季節(jié)分量和第三解碼趨勢(shì)分量；融合第三解碼季節(jié)分量、歷史趨勢(shì)分量序列、第一解碼趨勢(shì)分量、第二解碼趨勢(shì)分量、第三解碼趨勢(shì)分量，得到第三融合分量；基于第三融合分量確定擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)值。本申請(qǐng)巧妙地結(jié)合了自適應(yīng)頻率優(yōu)化技術(shù)和非平穩(wěn)頻率增強(qiáng)策略，可以提高擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)的精度。

技術(shù)特征：

1.一種擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)方法，其特征在于，所述擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)方法包括：

2.根據(jù)權(quán)利要求1所述的擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)方法，其特征在于，所述基于第三融合分量確定擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)值，包括：

3.根據(jù)權(quán)利要求2所述的擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)方法，其特征在于，所述太陽(yáng)風(fēng)組合參數(shù)序列數(shù)據(jù)包括行星際磁場(chǎng)總量、行星際磁場(chǎng)南北分量、質(zhì)子溫度、質(zhì)子密度、太陽(yáng)風(fēng)速度、太陽(yáng)風(fēng)動(dòng)壓以及電場(chǎng)。

4.根據(jù)權(quán)利要求3所述的擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)方法，其特征在于，所述將太陽(yáng)風(fēng)組合參數(shù)序列數(shù)據(jù)輸入目標(biāo)指數(shù)預(yù)測(cè)模型的編碼器中，得到第二編碼季節(jié)分量，包括：

5.根據(jù)權(quán)利要求4所述的擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)方法，其特征在于，所述將第二編碼季節(jié)分量和第一解碼季節(jié)分量輸入目標(biāo)指數(shù)預(yù)測(cè)模型的解碼器的自適應(yīng)非平穩(wěn)頻率增強(qiáng)注意力模塊進(jìn)行頻域?qū)W習(xí)后，與第一解碼季節(jié)分量融合，得到第一融合分量，包括：

6.根據(jù)權(quán)利要求5所述的擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)方法，其特征在于，所述擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)方法，包括：

7.一種擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)裝置，其特征在于，所述擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)裝置包括：

8.一種電子設(shè)備，其特征在于，包括存儲(chǔ)器和處理器，存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，處理器用于運(yùn)行存儲(chǔ)器內(nèi)的計(jì)算機(jī)程序，以執(zhí)行權(quán)利要求1至6任一項(xiàng)的擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)方法中的步驟。

9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有多條指令，指令適于處理器進(jìn)行加載，以執(zhí)行權(quán)利要求1至6任一項(xiàng)的擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)方法中的步驟。

10.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序或指令，其特征在于，該計(jì)算機(jī)程序或指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至6任一項(xiàng)的擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)方法中的步驟。

技術(shù)總結(jié)
本申請(qǐng)公開(kāi)了一種擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)方法及裝置，其中，擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)方法包括：得到第二編碼季節(jié)分量；分解第一疊加數(shù)據(jù)，得到第一解碼季節(jié)分量和第一解碼趨勢(shì)分量；將第二編碼季節(jié)分量和第一解碼季節(jié)分量進(jìn)行頻域?qū)W習(xí)后，與第一解碼季節(jié)分量融合，得到第一融合分量；分解第一融合分量得到第二解碼季節(jié)分量和第二解碼趨勢(shì)分量；分解第二融合分量得到第三解碼季節(jié)分量和第三解碼趨勢(shì)分量；融合第三解碼季節(jié)分量、歷史趨勢(shì)分量序列、第一解碼趨勢(shì)分量、第二解碼趨勢(shì)分量、第三解碼趨勢(shì)分量，得到第三融合分量；基于第三融合分量確定擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)值。本申請(qǐng)可以提高擾動(dòng)風(fēng)暴時(shí)間指數(shù)預(yù)測(cè)的精度。

技術(shù)研發(fā)人員：王豫峰,徐春雨,樊松委,李夢(mèng)林,王新峰,李偉
受保護(hù)的技術(shù)使用者：南陽(yáng)理工學(xué)院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15