基于BiLSTM-Attention的F10.7指数预测模型与中国自主数据集的应用

doi:10.11728/cjss2024.02.2023-0040

YNAO OpenIR > 射电天文研究组

	基于BiLSTM-Attention的F10.7指数预测模型与中国自主数据集的应用
其他题名	Application of F10.7 Index Prediction Model Based on BiLSTM-attention and Chinese Autonomous Dataset
	闫帅楠 1; 李雪宝 1; 董亮2 ; 黄文耿 3; 王晶 3; 闫鹏朝 1; 娄恒瑞 1; 黄徐胜 1; 李哲 4; 郑艳芳 1
发表期刊	空间科学学报/Chinese Journal of Space Science
	2024-03
卷号	44 期号:02 页码:251-261
DOI	10.11728/cjss2024.02.2023-0040
分类号	P353
产权排序	第2完成单位
收录类别	核心 ; CSCD
关键词	F10.7预报双向长短时记忆网络注意力机制 L&S数据集
摘要	F10.7指数是太阳活动的重要指标,准确预测F10.7指数有助于预防和缓解太阳活动对无线电通信、导航和卫星通信等领域的影响.基于F10.7射电流量的特性,在双向长短时记忆网络(Bidirectional Long Short-Term Memory Network, BiLSTM)基础上融入注意力机制(Attention),提出了一种基于BiLSTM-Attention的F10.7预报模型.在加拿大DRAO数据集上其平均绝对误差(MAE)为5.38,平均绝对百分比误差(MAPE)控制在5%以内,相关系数(R)高达0.987,与其他RNN模型相比拥有优越的预测性能.针对中国廊坊L&S望远镜观测的F10.7数据集,提出了一种转换平均校准(Conversion Average Calibration, CAC)方法进行数据预处理,处理后的数据与DRAO数据集具有较高的相关性.基于该数据集对比分析了RNN系列模型的预报效果,实验结果表明,BiLSTM-Attention和BiLSTM两种模型在预测F10.7指数方面具有较好的优势,表现出较好的预测性能和稳定性.
其他摘要	The F10. 7 index is an important indicator of solar activity. Accurate predictions of the F10. 7 index can help prevent and mitigate the effects of solar activity on areas such as radio communications, navigation and satellite communications. Based on the properties of the F10. 7 radio flux, the prediction model of F10. 7 based on BiLSTM-Attention is proposed by incorporating an Attention mechanism on the Bidirectional Long Short-Term Memory Network (BiLSTM). The Mean Absolute Error (MAE) on the Canadian DRAO dataset is 5. 38, the Mean Absolute Percentage Error (MAPE) is controlled to within 5% and the correlation coefficient (R) reaches 0. 987. It has superior prediction performance compared with other RNN models in both short-term and medium-term prediction. A Conversion Average Calibration (CAC) method is proposed to preprocess the F10. 7 data set observed by the Langfang L&S telescope in China. The processed data has high correlation with the DRAO dataset. Based on this dataset the forecasting effectiveness of the RNN series models is compared and analyzed. The experimental results show that both BiLSTM-Attention and BiLSTM models have significant advantages in predicting the F10. 7 index and show excellent predictive performance and good stability. The BiLSTM-Attention model has the highest prediction accuracy when forecasting future first-day data, with MAE and MAPE of 11. 10 and 8. 66, respectively, and the MAPE is always within 15% in the short- and medium-term forecasts. This shows that the proposed model has high generalization ability and can effectively predict the F10. 7 data set of DRAO and L&S
资助项目	国家自然科学基金项目[11703009]; 国家自然科学基金项目[11803010]; 江苏省自然科学基金面上项目[BK20201199]
项目资助者	国家自然科学基金项目[11703009, 11803010] ; 江苏省自然科学基金面上项目[BK20201199]
语种	中文
学科领域	计算机科学技术 ; 人工智能
ISSN	0254-6124
URL	查看原文
引用统计
文献类型	期刊论文
版本	出版稿
条目标识符	http://ir.ynao.ac.cn/handle/114a53/27211
专题	射电天文研究组
作者单位	1.江苏科技大学; 2.中国科学院云南天文台; 3.中国科学院国家空间科学中心; 4.北方信息控制研究院集团有限公司
推荐引用方式 GB/T 7714	闫帅楠,李雪宝,董亮,等. 基于BiLSTM-Attention的F10.7指数预测模型与中国自主数据集的应用[J]. 空间科学学报/Chinese Journal of Space Science,2024,44(02):251-261.
APA	闫帅楠.,李雪宝.,董亮.,黄文耿.,王晶.,...&郑艳芳.(2024).基于BiLSTM-Attention的F10.7指数预测模型与中国自主数据集的应用.空间科学学报/Chinese Journal of Space Science,44(02),251-261.
MLA	闫帅楠,et al."基于BiLSTM-Attention的F10.7指数预测模型与中国自主数据集的应用".空间科学学报/Chinese Journal of Space Science 44.02(2024):251-261.

条目包含的文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
基于BiLSTM-Atte...模型与中（1745KB）	期刊论文	出版稿	开放获取	CC BY-NC-SA	浏览请求全文