基于图像特征与时间序列的多模态F10.7指数预测方法

本发明提出了一种基于图像特征与时间序列分析的多模态F10.7指数预测方法，主要解决现有技术中预测精度低和效率不足的问题。其实现方案是：对SDO/HMI太阳活动图像和F10.7指数时间序列数据依次进行预处理、时间对齐和存储得到多模态数据，并将其划分为训练集和测试集；构建包括三维卷积神经网络、时间卷积网络、自注意力模块和全连接网络的多模态预测模型，并采用均方误差作为该模型的损失函数；将训练集输入到多模态模型，通过Adam优化器对其进行训练；将测试集输入到训练好的多模态预测模型，输出F10.7指数预测值。本发明提高了F10.7指数的预测精度，降低了计算成本，提升了计算效率，可用于航天、通信和空间天气预警。