基于注意力外部引导时空建模的全球电离层预测模型

摘要

为解决现有深度学习方法难以有效建模太阳-地磁活动动态耦合关系，以及传统序列模型时空建模能力不足导致磁暴等极端事件预测精度显著下降的问题，本文提出一种融合任务驱动注意力(TDA)与三维卷积长短期记忆(3D-LSTM)网络的时空预测模型。TDA模块通过跨模态注意力机制自适应融合太阳-地磁外部指数，实现外部驱动因素与总电子含量(TEC)时空特征的深度交互；3D-LSTM通过对时空3个维度的特征提取，在捕捉TEC空间依赖特征的同时保持长程时间记忆性。实验结果表明：该模型在12 h预测任务中取得均方根误差(RMSE)1.73 TECU、平均绝对百分比误差(MAPE)16.89%的性能，相比次优方法，RMSE与MAPE分别降低8.5%和7.2%,有效验证了所提模型在TEC预测任务中的优越性。

关键词

深度学习 / 全球电离层预测 / 时空建模