基于神经网络方法的Kp预报模型
Kp Forecast Models Based on Neural Networks作者机构:中国科学院空间科学与应用研究中心北京100190 中国科学院研究生院北京100049
出 版 物:《载人航天》 (Manned Spaceflight)
年 卷 期:2013年第19卷第2期
页 面:70-80页
核心收录:
学科分类:07[理学] 070802[理学-空间物理学] 08[工学] 0708[理学-地球物理学]
基 金:国家重点基础研究计划项目(2012CB825606 2011CB811406)
主 题:Kp指数 神经网络 能量耦合函数 开磁通生成率 粘滞作用项
摘 要:为了更加准确地预报磁暴(Kp〉5)的发生,充分利用ACE卫星积累的上游行星际条件的数据,以开磁通生成速率函数dφMp/dt和太阳风磁层粘滞作用项n^1/2v^2为主要输入参数,应用神经网络方法,构建了三个模型,预报三小时时段的Kp值。根据实际需要,这三个模型采用了不同的训练集构造方法和提前时间量。模型1输入当前的开磁通生成率,粘滞作用项,太阳风速度、密度,和行星际磁场总强度、By分量、Bz分量,提前1~3.5h预报Kp;模型2在模型1的基础上加入Kp现报,提前1~3.5h预报Kp;模型3输入9小时延迟的开磁通生成率和粘滞作用项,当前的太阳风速度、密度,行星际磁场总强度、By分量、Bz分量,提前3小时预报Kp。对1998年、2002年和2006年的测试结果表明:三个模型的预测值与实测值之间的相关系数分别为0.88、0.90、0.85,预测的均方根误差分别为0.65、0.62、0.72。