一种基于CNN与BiLSTM神经网络的环电流预测方法

本发明提出了一种基于CNN与BiLSTM神经网络的环电流预测方法，用于提高对空间天气中质子通量数据的预测精度。实现步骤为：数据的采集与预处理；CNN和BiLSTM神经网络模型的构建；模型的训练；模型的评估与可视化。本发明通过利用CNN在空间特征提取方面具有的优势以及BiLSTM神经网络强大的时间序列处理能力，最后将两者的输出进行融合，能够更有效的捕捉环电流质子通量的时空动态分布。实验结果表明，本发明在环电流预测任务中表现优异，适用于对空间天气的实时检测与预警，具有较高的预测精度和稳定性。