留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

利用行星际监测数据进行地磁暴预报

薛炳森 龚建村

薛炳森, 龚建村. 利用行星际监测数据进行地磁暴预报[J]. 空间科学学报, 2006, 26(3): 183-186. doi: 10.11728/cjss2006.03.183
引用本文: 薛炳森, 龚建村. 利用行星际监测数据进行地磁暴预报[J]. 空间科学学报, 2006, 26(3): 183-186. doi: 10.11728/cjss2006.03.183
XUE Bingsen, GONG Jiancun. Forecasting Dst Index With Artificial Neural Network[J]. Journal of Space Science, 2006, 26(3): 183-186. doi: 10.11728/cjss2006.03.183
Citation: XUE Bingsen, GONG Jiancun. Forecasting Dst Index With Artificial Neural Network[J]. Journal of Space Science, 2006, 26(3): 183-186. doi: 10.11728/cjss2006.03.183

利用行星际监测数据进行地磁暴预报

doi: 10.11728/cjss2006.03.183

Forecasting Dst Index With Artificial Neural Network

  • 摘要: 利用全连接神经网络方法应用于地磁Dst指数的预报中.对ACE卫星探测的太阳风和行星际磁场及其变化对未来几小时的Dst指数的影响进行了统计分析,发现在这些行星际实测参数中,对Dst指数作用较为明显的是太阳风速度、太阳风质子密度和行星际磁场南向分量,同时,当前Dst指数实测值对今后几小时的Dst指数已有很强的制约作用.在统计分析的基础上,建立了全连接神经网络预报模型.由于采用了全连接神经网络结构,模式能够反映出太阳风、行星际磁场等参数与地磁Dst指数参数的复杂联系,可以自动建立输入参量的最佳组合方式,提高了预报精度.通过利用大量实测数据对神经网络模式进行训练,最终建立了利用优选的ACE卫星行星际监测数据提前2 h对Dst指数进行预报.通过检测,预报的误差为14.3%.

     

  • 加载中
计量
  • 文章访问数:  2209
  • HTML全文浏览量:  10
  • PDF下载量:  1241
  • 被引次数: 0
出版历程
  • 收稿日期:  1900-01-01
  • 修回日期:  1900-01-01
  • 刊出日期:  2006-05-15

目录

    /

    返回文章
    返回