基于深度学习的等离子体泡预报方法

本发明公开了一种基于深度学习的等离子体泡预报方法，包括：1、对电离层等离子体泡EPB的原始数据进行分解，生成多个固有模态成分IMC；2、通过样本熵计算每个固有模态成分IMC分量的复杂度；3、对不同复杂度的分量进行K均值聚类；4、聚类后生成多个合作固有模式函数Co‑IMC，分为高频序列、中频序列、低频序列，采用二次分解的方法对高频序列进行处理，得到趋势稳定的合作固有模式函数Co‑IMC；5、将函数Co‑IMC输入到带有自注意力机制的门控循环单元GRU模型中，得到电离层等离子体泡EPB的预报结果。本发明将二次分解与深度学习相结合，无论是短期预报或者长期预报都能明显提高预测的精度。