技术摘要：
针对传统国际地磁参考场建模方法精度较低的问题，提出一种基于区域划分的国际地磁参考场建模方法。首先，在建立国际地磁参考场时，为了克服求解过多待定系数极易陷入局部最优的问题，在中心地磁场适配区域，设计了一种自适应粒子群方法来求解国际地磁参考场以预测地磁  全部
背景技术：
地磁导航目前主要有两种方法：匹配导航和滤波导航。匹配导航不存在积累误差， 但是需要在载体上预存大量的地磁数据，适用性差。而滤波是一种递推的方式，不存在上述 问题，只需要事先获得导航适配区域的地磁场模型即可，因此相比较匹配导航有更大的优 势。此时模型的精度直接制约着导航精度。现有的地磁场模型主要分为两大类：全球地磁场 模型和局部地磁场模型。全球地磁场模型是将地磁主磁场近似看成一个偶极子，利用高斯 球谐分析法建立。目前，已有大部分导航方法采用了这种模型作为观测方程来预测当地地 磁场值。 建立国际地磁参考场需要确定其中的待定系数。在确定截断阶数之后，可以采用 多种群遗传算法拟合待定系数，但是该方法参数较多，需要人工经验，调试有一定的难度。 同时为了减弱边界效应而对于模型本身的改进方法缺乏地磁场相关的理论支持。另采用的 BP神经网络在解决边界效应问题上精度有限，并且没有给出合理的中心和边界区域的划分 方法。 针对现有国际地磁参考场建模方法的不足，本发明提出一种基于适配区域划分的 国际地磁参考场建模方法。该方法在中心适配区域设计粒子群方法求解模型系数，以避免 局部最优，提高精度。在边界适配区域，采用自组织-径向基混合神经网络来预测当地地磁 场数据，以利用其良好的泛化能力来解决边界效应。同时，为了区分中心区域和边界区域， 设计了误差界定线，从而更清楚地考察边界效应发生的区域，划分中心适配区以及边界适 配区。
技术实现要素：
本发明的目的在于突破传国际地磁参考场建模方法容易陷入局部最优、边界效应 明显、误差较大的缺点，提出一种基于适配区域划分的国际地磁参考场建模方法。其中，解 决的主要问题包括： (1)国际地磁参考场待定系数较多，传统方法调试有一定难度，需要人工经验； (2)国际地磁参考场待定系数求解属于高维多峰问题寻优，容易陷入局部最优； (3)传统国际地磁参考场待定系数确定方法在解决边界效应问题上精度有限； (4)单一神经网络在地磁场值的预测上容易出现过拟合现象； (5)径向基神经网络对少量样本和训练样本点分散会导致的预测精度降低； (6)传统国际地磁参考场待定系数确定方法没有给出合理的中心和边界适配区域 的划分方法。 本发明所述的一种基于适配区域划分的国际地磁参考场建模方法，其特征在于包 3 CN 111597761 A 说　明　书 2/5 页 括以下技术措施： 步骤一：将某一适配区的地磁场实际测量数据，带入粒子群方法来计算国际地磁 参考场模型系数，从而构建完整的国际地磁参考场以预测该适配区中心区域的地磁场值； 步骤二：将该适配区的地磁场实际测量数据同时带入自组织神经网络进行聚类分 析，在自组织神经网络分出的每一种样本类内各自构建一个径向基神经网络，并分别用各 种样本类训练该类的径向基神经网络，从而构建自组织-径向基混合神经网络，将位置信息 带入训练好的混合神经网络以预测边界区域地磁场值； 步骤三：分别根据粒子群和混合神经网络两种方法预测得到的当地地磁场值，计 算误差界定线上的误差； 步骤四：设定误差阈值，随着向边界区域的延伸，当采用粒子群方法构建的国际地 磁参考场在某一误差界定线上的误差超过该阈值时，该误差界定线以外区域认定为边界区 域，使用混合神经网络来预测地磁场值，该界定线以内区域认定为中心区域，采用粒子群方 法计算国际地磁参考场模型系数，并用该模型预测地磁场值。 对比现有技术，本技术方案所述的基于适配区域划分的国际地磁参考场建模方 法，有益效果在于： (1)粒子群方法对多维问题可以取得全局最优解，且不需要人工经验，调试简单； (2)边界区域采用的自组织-径向基混合神经网络可以有效地抑制边界效应的产 生； (3)自组织-径向基混合组合神经网络可以有效地避免地磁场值预测时容易出现 的过拟合现象； (4)有效地抑制了径向基神经网络因少量样本和训练样本点分散而导致的预测精 度降低现象； (5)利用误差界定线的方法合理地给出了中心区域和边界区域的划分方法，直观、 准确。 附图说明 附图1是基于适配区域划分的国际地磁参考场建模方法实施流程图； 附图2是自组织-径向基混合神经网络实施流程图； 附图3是误差界定线。