基于线性样条和CNN-LSTM的北斗卫星缺失数据处理方法

针对北斗某星辐射剂量探测数据缺失问题,提出了一种基于线性样条和CNN-LSTM神经网络模型的处理方法。在对数据特性分析的基础上,将原始数据分解为线性趋势项和季节波动项。对于线性趋势项,采用基于线性样条的缺失值处理方法;对于季节波动项,根据其时空变化特性,设计CNN和LSTM组合神经网络结构,完成季节波动项的缺失值处理。实验表明,相比于线性插值法和傅里叶变换插值方法,本文所提方法的插补值与真实值偏差更小,相关性更高。平均相对误差达到0.008,相关系数达到0.855。同时横向对比了本文所提组合神经网络模型和单一的LSTM和CNN网络模型的插补结果,同样本文方法表现出更好的一致性。研究结果表明,本文方法能够较好解决北斗数据连续缺失的问题,为后续基于北斗数据开展科学研究和业务应用奠定基础。