基于线性样条和CNN-LSTM的北斗卫星缺失数据处理方法

作     者：杨旭 崔瑞飞 田超 胡斯惠 姜健民 徐培康 YANG Xu;CUI Ruifei;TIAN Chao;HU Sihui;JIANG Jianmin;XU Peikang

作者机构：32035部队西安710600 国防科技大学气象海洋学院长沙410073 

基　　金：国防科技创新特区项目资助(1916321TS00101206) 

出 版 物：《空间科学学报》 (Chinese Journal of Space Science)

年 卷 期：2022年第42卷第1期

页      码：163-169页

摘      要：针对北斗某星辐射剂量探测数据缺失问题,提出了一种基于线性样条和CNN-LSTM神经网络模型的处理方法。在对数据特性分析的基础上,将原始数据分解为线性趋势项和季节波动项。对于线性趋势项,采用基于线性样条的缺失值处理方法;对于季节波动项,根据其时空变化特性,设计CNN和LSTM组合神经网络结构,完成季节波动项的缺失值处理。实验表明,相比于线性插值法和傅里叶变换插值方法,本文所提方法的插补值与真实值偏差更小,相关性更高。平均相对误差达到0.008,相关系数达到0.855。同时横向对比了本文所提组合神经网络模型和单一的LSTM和CNN网络模型的插补结果,同样本文方法表现出更好的一致性。研究结果表明,本文方法能够较好解决北斗数据连续缺失的问题,为后续基于北斗数据开展科学研究和业务应用奠定基础。

主 题 词：北斗辐射剂量探测数据 缺失值插补 线性样条 CNN-LSTM 空间环境 

学科分类：070802[070802] 07[理学] 0708[理学-地球物理学类] 

核心收录：

D　O　I：10.11728/cjss2022.01.201116100

馆 藏 号：203107619...