基于机器学习高能带电粒子环境模型构建方法及装置与流程

文档序号:40643412发布日期:2025-01-10 18:49阅读:来源:国知局

技术特征:

1.一种基于机器学习高能带电粒子环境模型构建方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述基于所述探测数据进行高能带电粒子环境模型的基线构建,确定环境模型基线,包括:

3.根据权利要求1所述的方法,其特征在于,所述基于所述环境模型基线进行地磁坐标转换,确定地磁坐标,包括:

4.根据权利要求1所述的方法,其特征在于,所述基于所述地磁坐标进行模型构建,确定环境基线模型,包括:

5.根据权利要求1所述的方法,其特征在于,所述基于所述环境波动数据和空间环境因素进行关联分析,确定有向图,包括:

6.根据权利要求1所述的方法,其特征在于,所述基于所述有向图和机器学习模型进行数据模型构建,确定环境波动模型,包括:

7.根据权利要求1所述的方法,其特征在于,所述基于所述环境波动模型和所述环境基线模型确定高能粒子环境模型,包括:

8.一种基于机器学习高能带电粒子环境模型构建装置,其特征在于,包括:

9.一种计算设备,其特征在于,包括:

10.一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述基于机器学习高能带电粒子环境模型构建方法的步骤。


技术总结
本说明书实施例提供基于机器学习高能带电粒子环境模型构建方法及装置,其中基于机器学习高能带电粒子环境模型构建方法包括:获取探测数据,基于探测数据进行高能带电粒子环境模型的基线构建,确定环境模型基线;基于环境模型基线进行地磁坐标转换,确定地磁坐标;基于地磁坐标进行模型构建,确定环境基线模型;基于环境基线模型进行数据提取,确定环境波动数据,并基于环境波动数据和空间环境因素进行关联分析,确定有向图;基于有向图和机器学习模型进行数据模型构建,确定环境波动模型;基于环境波动模型和环境基线模型确定高能粒子环境模型。通过利用机器学习构建多环境因素在数据因果关系上的表征,可以做到速度快、与真实数据对比一致性好。

技术研发人员:刘业楠,刘宇明,赵瑜馨,乔佳,丁义刚,姜利祥,唐振宇,王志浩,徐焱林,程雅萍,王思展,焦子龙
受保护的技术使用者:北京卫星环境工程研究所
技术研发日:
技术公布日:2025/1/9
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1