一种基于多源数据的全球电离层板厚预测方法

本发明属于空间气象预测技术领域，公开了一种基于多源数据的全球电离层板厚预测方法。该方法首先基于物理机制与统计相关性筛选关键输入特征，然后基于关键输入特征和多源数据融合机制，构建包含时间参数、空间参数、电离层特性参数及外部环境参数的数据集，并对数据集进行数据预处理，然后基于机器学习算法构建电离层板厚预测模型，揭示其随太阳活动、地磁扰动、纬度及季节的规律性变化。本发明首次将机器学习算法应用于全球电离层板厚预测，利用多源数据通过特征转换处理有效捕获全球电离层板厚的时空变化规律，提高了全球电离层板厚的预测精度，并且本发明在极端空间天气条件下表现出较强的鲁棒性。