尚教凯　贺寅　徐池　徐铭

摘要：研究中发现，将短波远程通信中两点间的可用频率作为单特征输入，利用长短期记忆人工神经网络（ISTM）可以实现对未来几天短波频率进行预测。该文对输入的样本数据存在缺失值条件下的情况进行分析，最终得到缺失值条件下该方法的应用策略，对远程短波通信保障具有重要意义。

关键词：频率预测;LSTM;缺失值

中图分类号：TP319 文献标识码：A

文章编号：1009-3044（2020）09-0251-04

1 引言

短波通信一直是海上远程通信不可缺少的手段。科学技术的不断进步推动着短波通信向着建链速度更迅捷、数据传输容量更大的方向发展，但实现准确的短波通信频率预测是制约着远程短波通信质量提升的关键问题。

现有的ITS-HF系列短波频率预测软件虽然能够实现复杂链路程序化，但该系列预测软件的输入条件过于苛刻，且局限性较强，在实际海上通信过程中的效果并不好。而短波频率作为典型的非线性时间序列，有很多学者基于模糊小波、神经网络、混沌理論等算法对时间序列预测开展研究，任淑婷采用模糊小波神经网络方法对短波频率进行预测，预测值与实际值的相对误差在9%左右，但工程实现难度较大。

根据深度学习擅长提取非线性时间序列数据特征的特点，通过时间半年，间隔一小时的频率样本数据对长短期记忆人工神经网络（ ISTM）进行训练，实现了对未来约20天每小时为间隔的点对点短波远程通信频率预测。在实际应用过程中，收集样本数据过程中存在出现数据缺失的可能，这种情况就不能满足预测模型对样本数据中时间间隔为一小时的训练需求，那么出现这种缺失值时，该模型是否还能实现频率预测？……