(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210956806.2 (22)申请日 2022.08.10 (71)申请人 西安电子科技大 学广州研究院 地址 510000 广东省广州市黄埔区中新知 识城海丝中心B5、 B6、 B7栋 申请人 中国电子科技 集团公司第二十二研 究所 (72)发明人 安玲玲　曹博鑫　冯静　蔚娜　 娄鹏　鲁转侠　齐东玉　 (74)专利代理 机构 广东省中源正拓专利代理事 务所(普通 合伙) 44748 专利代理师 王明亮 (51)Int.Cl. G06F 30/20(2020.01) G06F 17/18(2006.01)G06F 119/02(2020.01) (54)发明名称 一种对中低纬长期foF2趋势预测的方法 (57)摘要 本发明公开了一种对中低纬长期foF2趋势 预测的方法， 分别以太阳黑子 数的12个月流动平 均值(R1 2)或F10 .7的12个月流动平均值 (F10.712)作为因变量， 这两个变量和foF2的数 学关系分别都采用二次多项式来描述， 当R12(或 F10.712)变化超过一定值时， foF2会出现饱和现 象， 对于饱和点的确定采用经验值法或鲸鱼优化 算法， 本发明能够利用R12和F10.712对中低纬地 区的长期foF2 趋势预测进行预测， 且本发明能够 计算出某地区的foF2发生饱和现象后对应的饱 和值的大小。 权利要求书3页 说明书6页 附图2页 CN 115270498 A 2022.11.01 CN 115270498 A 1.一种对中低纬长期foF2趋势预测的方法， 其特 征在于， 包括以下步骤: 步骤一： 通过foF2与R12之间的长期趋势关系构建二次函数表达式： 其中， yi表示因变量foF2， xi表示自变量R12， α、 β 分别为二次项系数和一次项系数， 通过 因变量和自变量的历史观测数据和最小 二乘法确定α和β 的值， 表示饱和点， ei为误差项， θ 为当自变量是 时计算出的值； 步骤二： 根据历史观测到的数据确定出一个经验饱和点 以 为临界点， 将自变量xi 分别前后延展4个单位并代入步骤一中 式(1)得到yi； 由这两个自变量计算出的因变量yi的值相减实现对饱和点的判断； 步骤三： 若这两个自变量计算出的因变量yi的值相减小于等于2， 则令 即该经验 饱和点就是饱和点； 步骤四： 若 这两个自变量计算出的因变量yi的值相减大于2， 则表示不是饱和点， 则通过 公式中 将经验饱和点 以4为单位分别向前和向后 变化， 变化后将得到的8个经验饱和点 令 再重复8次步骤二， 若不能得到饱和 点， 则通过鲸鱼优化 算法求解饱和点； 步骤五： 将步骤三或步骤四确定的饱和点代入到步骤一中的式(2)， 计算确定出foF2长 期趋势的变化 值， 完成对foF2的预测。 2.根据权利要求1所述的一种对中低纬长期foF2趋势 预测的方法,其特征在于， R12为太 阳黑子数的12个月流动平均值。 3.根据权利要求1所述的一种对中低纬长期foF2趋势预测的方法,其特征在于， 步骤四 中， 鲸鱼优化 算法求解饱和点的具体步骤为： W1： 计算收敛因子A和摆动因子 C， 如下： A＝2×a×r‑a   式(3)； C＝2×r       式(4)； 其中， A的变化范围是[ ‑a,a]， C的变化范围[0,2]； r为[0,1]上的随机向量； a在整个迭 代周期内随着迭代次数的增 加从2下降到 0； W2： 计算参数a,A,C,l,p， p值是在算法在执 行过程中随机取的， 且 当|A|＜1， 则执 行步骤W2， 局部 搜索饱和点； 否则， 则执 行步骤W3； W3： 进行全局搜索饱和点； W4： 将W2和W3中得到的饱和点进行比较， 得到新的饱和值； W5： 对鲸鱼优化 算法是否结束 进行判断。 4.根据权利 要求3所述的一种对中低纬长期foF2趋势预测的方法,其特征在于， W1中参权　利　要　求　书 1/3 页 2 CN 115270498 A 2数a的更新公式如下： 其中， t表示该算法设置的迭代次数， tmax表示最大迭代次数。 5.根据权利要求3所述的一种对中低纬长期foF2趋势预测的方法,其特征在于， W2中， 局部搜索饱和点的具体过程 为： x(t)为第t次迭代中最优饱和点的位置， 将在步骤五中确定 的经验饱和点 的位置作 为该算法初始最优位置x*(t)， x*(t)随着每次的迭代更新自身的位置， 将x*(t)代入式(1) 中， 并保留计算结果； 利用下式计算更新后的最优解 位置： 其中， x(t+1)表示由上一次迭代得到的最优位置x*(t)更新计算后得到的最优 位置， 将x (t+1)作为因变量代入到式(1)中， 并保留计算结果； D和D′分别表示在p＜0.5和p≥0.5情况下最优解与待搜索变量距离的绝对值,将它们 的值按照式(7)、 式(8)计算， b表示用于定义对数螺旋形状的常数， 取b＝1， l表示[ ‑1,1]之 间的均匀分布随机数； D＝|C·x*(t)‑x(t)|      式(7)； D′＝|x*(t)‑x(t)|        式(8)。 6.根据权利 要求5所述的一种对中低纬长期foF2趋势预测的方法,其特征在于， W3中全 局搜索饱和点的具体过程 为： 当收敛因子|A|≥1时， 利用式(9)计算 最优饱和点： x(t+1)＝xrand(t)‑A·D″      式(9)； D″＝|C·xrand(t)‑x(t)|      式(10)； 其中， xrand(t)为从所有自变量R12中随机挑 选出来的随机最优饱和点位置， 将xrand(t)代 入式(1)中， 并保留计算结果； x(t+1)表示由上一次迭代得到的最优 位置xrand(t)更新计算后得到的最优 位置； D″表示 搜索个体与xrand(t)之间距离的绝对值， 计算公式为式(10)， 将x(t+1)作为因变量代入到式 (1)中， 并保留计算结果。 7.根据权利要求6所述的一种对中低纬长期foF2趋势预测的方法,其特征在于， W4中， W2与W3中得到的饱和点进行比较过程为： 将W2和W3中由x*(t)(或xrand(t))、 x(t+1)计 算保留 的结果进行比较： 如果x(t+1)计算出的结果大于x*(t)(或xrand(t))计算出的， 则对x*(t)(或xrand(t))的值 替换为x(t+1)， 同时将饱和点的计算结果赋值给饱和值θ； 否则不替换。 8.根据权利要求7所述的一种对中低纬长期foF2趋势预测的方法,其特征在于， 鲸鱼优 化算法是否结束 进行判断过程 为：权　利　要　求　书 2/3 页 3 CN 115270498 A 3