技术摘要：
本发明提供了一种全球电离层电子含量的克里金代理模型算法，该算法利用目前电离层空间物理研究成果并结合全球卫星导航系统观测得到的长期稳定的电离层电子含量数据，利用克里金代理模型进行模型构建与电离层预测，提高电离层预测精度，同时针对全球格网数据量大的特点 全部
背景技术：
电离层作为大气空间天气的重要组成部分之一，特别是在无线电信号传输领域有 着极其重要的影响，因为电磁波信号在电离层中传播时，会受到电离层中复杂的电磁环境 影响，造成其传播速度、传播路径发生变化，电离层对电磁波的影响程度与电离层的电离程 度、电离层中的电子密度和电磁波的信号频率有着极为重要的关系，所以伴随着无线电研 究的深入，电离层研究也成为无法规避的问题。特别是现今随着全球卫星导航系统的建设 和发展，如何消除电离层延迟带来的定位误差，为高精度需求用户提供高质量定位及导航 服务，成为当下卫星导航技术发展的热点。对于双频接收机使用用户双频改正法可以有效 消除电离层延迟误差提高定位精度，但是对于广大的单频接收机用户并不适用，而一般的 经验模型如Bent模型、国际参考电离层模型(International Reference Ionosphere , IRI)、Klobuchar模型等经验模型，又因依赖因素过多或模型得到的电子含量精度不满足要 求等因素，难以在实时定位解算中进行应用，无法满足用户需求。故在使用中更为一般得应 用由卫星导航双频观测数据建立的电子含量模型进行消除电离层延迟。全球性的电子含量 产品主要由国际GNSS服务中心(International GNSS Service，IGS)提供电离层格网数据， 自1998年开始正式提供时长2h，经度差5°，纬度差2.5°的电离层电子含量格网数据。 尽管由IGS中心提供的电离层格网数据精度高，但是因其解算算法复杂、使用数据 量大等因素难以获得实时数据解算，所以如何基于历史观测数据进行高精度预测，成为电 离层研究的重点。一般电离层建模和预测使用经验模型和数学模型，其中经验模型基于大 量历史观测数据，引入电离层物理发展的理论，根据全球长期积累的大量观测资料拟合出 的模型或经验公式，其优点是很大程度上反映了电离层的物理规律和活动特点，但缺点是 由于理论研究不充分造成模型精度较低，特别是在太阳活动高年时无法反映出电子含量的 变化；数学模型是在观测数据的基础上利用不同的数学模型(如球谐函数模型、三角函数模 型等)进行高精度拟合，其特点是拟合精度高可以用于电离层误差地消除，缺点是脱离空间 物理规律当电离层空间天气异常时无法准确反应。常用的电离层电子含量预测方法是使用 时间序列分析方法或者是深度学习方法。前者在空间天气平稳情况下预测结果质量较好， 但是无法充分利用电离层电子含量的历史观测数据造成数据资源浪费，同时当天气发生剧 烈变化时无法反应造成预测结果较差；深度学习方法其优点是能够充分利用历史观测数据 进行趋势分析与提取，但是深度学习方法对硬件设备的要求较高，数据训练周期长。
技术实现要素：
本发明为了弥补现有技术中全球电离层电子含量建模与预测方法的诸多不足，提 供了基于空间天气指数和历史相关数据，使用克里金代理模型进行电子含量建模与预测， 6 CN 111581803 A 说 明 书 2/10 页 以提升模型的预测精度与效率，具体模型算法包括以下步骤： (一)对原始观测数据进行预处理，将原始观测数据分为模型构建数据和模型测试 数据，使用如下粗差滤除法: 假设可获得的样本数据的均值为μ，样本标准差为σ，则设置门限为a＝μ 5×σ,b＝ μ-5×σ,如果样本x不满足：b
