公开(公告)号：CN119788219A

公开(公告)日：2025-04-08

申请号：CN202411927327.3

申请日：2024-12-25

Applicant: 中国人民解放军陆军工程大学

Inventor： 陈瑾 ,  林凡迪 ,  丁国如 ,  焦雨涛 ,  龚玉萍 ,  张晓凯 ,  王泽宇 ,  崔丽 ,  郑学强 ,  李国鑫 ,  彭好涛

IPC: H04B17/373 ,  G06F18/10 ,  G06N7/01 ,  G06N3/0455

Abstract: 本发明公开了一种同地多源探测数据融合的短波通信最高可用频率预测方法，包括：步骤A，数据预处理，获取的数据步骤；B，相关性分析，对获取的数据进行相关性分析；步骤C，计算多种信息熵；步骤D，求取序列的可预测性，分别用不同的熵求取了序列的可预测性，通过可预测性边界更直观地观察量化方法的有效性；步骤E，完成MUF预测任务。本发明提供的一种基于多源数据融合的短波可用频率预测方法，评估各站点多源数据之间的相关性，以确定多源数据之间的相关性变化以及相关性变化的差异化时变性，提出了多源数据融合的预测要求。本发明提出的的预测方法，模型完备，物理意义清晰，有效提高了短波最高可用频率时空推理的准确性。

公开(公告)号：CN119848495A

公开(公告)日：2025-04-18

申请号：CN202411927329.2

申请日：2024-12-25

Applicant: 中国人民解放军陆军工程大学

Inventor： 陈瑾 ,  林凡迪 ,  丁国如 ,  焦雨涛 ,  龚玉萍 ,  张晓凯 ,  王泽宇 ,  崔丽 ,  郑学强 ,  李国鑫 ,  彭好涛

IPC: G06F18/2113 ,  G06F18/26 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/098

Abstract: 本发明公开了一种面向时空耦合的联邦学习预测短波最高可用频率方法，包括步骤A，数据预处理，获取的数据步骤；步骤B，实测数据序列分解，将MUF进行时间序列分解，得到趋势分量并用于后续步骤；步骤C，利用MINE方法来观测联邦学习中模型之间的互信息变化；步骤D，联邦学习本地模型之间的空间关系分析；步骤E，选择个性化的融合策略完成联邦学习中的MUF预测任务。本发明评估各站点MUF的相似性，利用MUF中的趋势项作为联邦学习训练数据，评估所有站点的本地模型之间的互信息，确定数据中潜在的与地磁纬度信息一致的空间相关性。本发明提出了基于互信息的个性化联邦学习框架，模型完备，物理意义清晰，有效提高了短波最高可用频率时空推理的准确性。