基于长短时记忆神经网络的中国大陆地区地磁场长期变化预测方法
李江
陈斌
中国北京 100081 中国地震局地球物理研究所
摘要：选取中国大陆及邻区 32 个地磁台站的地磁场要素即磁偏角D、地磁场水平分量H、垂直分量Z的时均值数据,利用磁静条件筛选并剔除异常值,之后通过月均值年差分得到主磁场各要素的长期变化序列,利用长短时记忆神经网络(LSTM)建立了未来一年台站各要素数据的预测模型.预测结果表明:LSTM模型预测的D要素均方根误差(RMSE)和归一化均方根误差(NRMSE)的平均值为 1.139′和 0.040,H分量的RMSE和NRMSE的平均值为 11.85 nT和 0.086,Z分量的RMSE和NRMSE的平均值为 15.10 nT和 0.026;LSTM模型对Z分量的预测精度最高,其次是D要素,最差的是H分量.分别计算由LSTM模型、线性外推、二次外推得到的台站各要素年变率误差,结果显示:对于D要素,LSTM预测结果的RMSE平均值为 0.361′/a,较线性外推法提高了 54%,较二次外推法提高了 59%;对于H分量,LSTM预测结果的RMSE平均值为 3.921 nT/a,较线性外推法提高了 58%,较二次外推法提高了 76%;对于Z分量,LSTM预测结果的RMSE平均值为 4.339 nT/a,较线性外推法提高了47%,较二次外推法提高了57%.
关键词：地球磁场长短时记忆(LSTM)长期变化深度学习中国大陆
分类号：P318.1+1(大地（岩石界）物理学（固体地球物理学）)
资助基金：中国地震局地球物理研究所基本科研业务费专项(DQJB22B20)
论文发表日期：2025-05-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：20( 390-409 )
英文信息