基于BiLSTM-Attention的F_10.7指数预测模型与中国自主数据集的应用

Abstract

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.

Keywords

• <italic>F</italic>_10.7预报
• 双向长短时记忆网络
• 注意力机制
• L&S数据集