利用相似周方法预测第24活动周开始时间

利用相似周方法对第24活动周的开始时间与第23活动周下降相后期的太阳黑子数进行了预报.根据第23周已经出现的特征参量和下降相的形态特征,选取9,10,11,15,17和20等六个太阳活动周作为第23周下降相的相似周,对第24周开始时间进行预报.预报结果显示,第24活动周的开始时间为2007年5±1月,黑子数平滑月均极小值为7.1±2.6,第23太阳活动周长度为11.1年.与其他研究者的预报结果相比较,本文给出的结果与文献[11]和[12]及MSFC的结果比较一致.通过对相似周方法在下降相预测太阳活动周结束时间的研究讨论,及对第23周上升阶段的太阳黑子数和F10.7平滑月均值预报结果的评估,可以看出,相似周预报方法在太阳活动周长期预报中是很有应用价值的.      

用BP神经网络预报太阳活动第23周的黑子数

本文设计、训练和利用BP神经网络,对1750年以来的各太阳活动周上升段和下降段太阳黑子数的变化数据进行了分类和模式识别,得到各太阳活动周上升周期及其上升期间太阳黑子数平滑月均值相当好的模拟结果;在此基础上获得较好的太阳活动第22周上升周期及太阳黑子数的最大平滑月均值预报结果;还作出太阳活动第23周的上升周期及太阳黑子数的最大平滑月均值的预报结果.      

中等磁暴太阳周分布的统计研究

依据实际观测的中等磁暴数据,统计分析了中等磁暴的太阳周分布.分析结果表明,在一个太阳活动周内,每年中等磁暴随时间的变化出现多个峰值,其中,最大峰值均出现在太阳活动周的下降段,即中等磁暴的峰值比太阳黑子数平滑年均值的峰值要滞后,滞后的时间为2～3年.超过70%的中等磁暴出现在太阳活动周的下降段,这表明绝大多数中等磁暴出现在太阳活动周的下降段.通过对中等磁暴平滑月均值与太阳黑子数平滑月均值相位差的计算分析发现,中等磁暴峰值出现的时间比太阳黑子数峰值出现的时间要滞后,不同太阳活动周中等磁暴峰值出现的时间与太阳黑子数峰值时间滞后的程度不同.      

“相似周”方法及对第23周太阳黑子数逐月值预测的讨论

简单介绍了太阳黑子预报中“相似周”的概念及其应用,利用对第20、21周的模拟预报验证了该方法的可靠性,对第23周开始后逐月黑子数的实测值与由该方法给出的预测值进行了比较,表明该方法有其特点和应用价值.      

基于小波与交叉小波分析的太阳黑子与宇宙线相关性研究

利用小波分析和交叉小波分析方法, 根据太阳黑子数以及Huancayo和Climax两个测站的月均宇宙线数据, 分析了两个测站的月均宇宙线周期变化, 同时利用太阳黑子数R₁₂对Climax站宇宙线流量进行预测研究. 小波分析结果表明, 太阳黑子与宇宙线除存在显著的11年周期外, 太阳活动高年期间还存在1～6个月尺度的周期特性, 在第22太阳周活动高年时还出现了6～8和1～22个月的变化周期; 交叉小波分析结果表明, 在130个月左右的周期上宇宙线与太阳黑子具有显著的负相关性, 并且宇宙线的变化滞后太阳黑子约8个月; 分别采用预测时刻和8个月前的太阳黑子数, 预测相对误差为3.8912%和3.2386%. 本文方法同样适用于估算其他空间天气参量之间的周期和相关性, 提高各种空间天气参量的预测或预报精度.      

基于PCA方法对太阳活动区主要参量的分析

太阳耀斑与太阳质子事件的发生通常与太阳活动区存在非常密切的关系, 对这种关系的深入分析有助于太阳耀斑和太阳质子事件预报模型的建立. 本文利用主成分分析(Principal Component Analysis, PCA)方法对1997-2010年太阳质子事件所在活动区的主要参量进行分析, 选取的参量包括黑子磁分类、 McIntosh分类、太阳黑子群面积、10.7 cm射电流量、耀斑指数、质子耀斑位置和软X射线耀斑强度. 结果得到81个太阳活动主成分得分值排序(得分值代表每个事件的强弱), 与太阳质子事件峰值流量、太阳黑子年均值以及10.7 cm射电流量年均值的对比显示相似度非常高, 表明主成分得分值一定程度上可以反映太阳活动的强弱规律.      

奇异谱分析在太阳10.7cm射电流量中期预测中的应用

首次尝试利用信号处理技术奇异谱分析方法预测太阳活动低年未来27天太阳10．7cm射电流量．选取的预报试验时间段是2004年4月30日至5月30日,此试验期内太阳活动水平相对较低．在样本时间序列的构建上,吸取了相似周数据分析思路,采取的是23周实时观测数据与其相似周第20周下降年部分数据相结合的方式,既增加了样本长度又避开了太阳活动的活跃期．这31天的预报试验结果表明,大部分情况下,预报值基本上体现出F10．7的变化趋势,平均相对误差为10．5％;比同时期美国空军预测值的平均相对误差小,前者为11．3％,后者为14．6％;除两天外,SSA每一次27天的预报结果的平均相对误差比美国空军(AAF)的要小;对不同的时间提前量而言,AAF提前1天到提前12天的预报准确性较奇异谱分析方法要高,即AAF较短期的预报效果更好．     

基于活动区面积统计的F10.7指数预报方法

太阳10.7cm射电流量（F_10.7）是反映太阳整体活动的重要指标,其主要源头是日面活动区.F_10.7指数与日面活动区具有显著的相关性,且不同面积的活动区与F_10.7并不遵循相同的线性关系.为进一步提高F_10.7预报的准确性,利用日面活动区面积与F_10.7的相关性,依据面积大小分类,提出F_10.7的预报公式并进行验证.采用2008-2018年SWPC （Space Weather Prediction Center）公布的活动区面积数据和CSWFC （Canadan Space Weather Forecast Center）公布的F_10.7实测数据计算预报公式系数,利用高年（2003年）和低年（1997年）的F_10.7预报验证其结果.研究结果表明,预报结果与实测值的相关系数分别为0.9318和0.9295,二者皆优于SWPC同时期的预报结果（相关系数分别为0.9186和0.8771）.本研究首次基于活动区的变化预测了F_10.7,提高了F_10.7预测的准确性.      

利用F_(10.7)短期预报电离层F_0F_2

通过对电离层历史数据和太阳射电流量F10.7的回归分析,提出了一种单站电离层f0F2的短期预报方法,以F10.7的流动平均值fc为输入,以未米3天的f0F2为输出,分别利用中国地区8个台站的数据进行检验,分析不同太阳活动水平、季节以及地方时预报误差的分布特征.结果表明,该方法能有效地预测未来1～3天的f0F2.该方法还可应用于其他电离层参量的短期预报.     

利用EMD方法提取太阳活动周期成分

EMD(经验模态分解)方法在处理非线性及非平稳时间序列时表现出了很大的优势和应用潜力.利用EMD方法研究太阳活动周期,对110年(1894-2003)和55年(1949-2003)的太阳黑子数月均值进行分解,分别得到一系列模式和一个趋势项,其中都可能包含有1.3至1.4年周期分量,25至30个月QBO(准双年振荡)分量,11年太阳周分量和22年Hale周分量.其中11年周期分量幅度最大,变化特征与太阳黑子数原始数据具有很高的相似性.不同于传统方法,EMD方法给出了太阳活动在不同时间尺度上各自分离的变化特征.      

第23至24周太阳质子事件的统计特征

第23至24太阳活动周（1997-2016年）期间太阳质子事件的强度统计分析表明,1997-2016年期间总共发生了128个太阳质子事件,其中峰值通量范围为10~99pfu,100~999pfu,1000~2999pfu及>3000pfu的事件分别占55.15%,27.94%,9.56%,7.35%.太阳质子事件的不对称性分析表明,不同强度太阳质子事件东西不对称性的程度不相同,其中1000~2999pfu事件的不对称性最强,而3000pfu以上事件的不对称性最弱.第23周期间,太阳质子事件主要发生在太阳活动周两个峰值之间和最大峰值之后的时段,而第24周太阳质子事件主要发生在太阳活动周最大峰值之前.      

1996-2002年太阳耀斑的统计分析

分析了1996-2002年南北半球的太阳黑子相对数和南北半球太阳X射线耀斑级别(简称Imp)≥M1．0的太阳X射线耀斑的特征和不对称性．分析结果表明，南北半球的太阳耀斑活动的程度交替上升，在2001年7月以前北半球的太阳耀斑活动强于南半球，2001年7月开始耀斑活动逐渐以南半球为主．本文还逐月分析了1996—2001年南北半球的耀斑指数．2000年7月为第23周太阳指数最大的一个月，与第23周太阳黑子相对数最大月均值吻合．     

Predicting indices of the ionosphere response to solar activity for the ascending phase of the 25th solar cycle

The international reference ionosphere, IRI, and its extension to plasmasphere, IRI-Plas, models require reliable prediction of solar and ionospheric proxy indices of solar activity for nowcasting and forecasting of the ionosphere parameters. It is shown that IRI prediction errors could increase for the F2 layer critical frequency foF2 and the peak height hmF2 due to erroneous predictions of the ionospheric global IG index and the international sunspot number SSN1 index on which IRI and IRI-Plas models are built. Regression relation is introduced to produce daily SSN1 proxy index from new time series SSN2 index provided from June 2015, after recalibration of sunspots data. To avoid extra errors of the ionosphere model a new solar activity prediction (SAP) model for the ascending part of the solar cycle SC25 is proposed which expresses analytically the SSN1 proxy index and the 10.7-cm radio flux F10.7 index in terms of the phase of the solar cycle, Φ. SAP model is based on monthly indices observed during the descending part of SC24 complemented with forecast of time and amplitude for SC25 peak. The strength of SC25 is predicted to be less than that of SC24 as shown with their amplitudes for eight types of indices driving IRI-Plas model.     

What is the optimum solar proxy for long-term ionospheric investigations?

The problem of optimum solar proxy is important for long-term and/or climatological studies of ionospheric parameters. Here we focus on possibly different optimum solar proxies for different ionospheric parameters, as they are affected by partly different spectral ranges of solar ionizing radiation. We use yearly average values of foF2 and foE of four European stations with long (1976–2014) and high-quality data (Juliusruh, Pruhonice, Rome, Slough/Chilton), and the global total electron content (G-TEC). Four solar proxies are used: F10.7, Mg II, solar Lymna-alpha flux Fα and sunspot numbers. The most important finding is that the optimum solar proxies are different for different ionospheric parameters. The most suitable solar proxy for foF2 is found to be Mg II, whereas for foE F10.7 evidently outperforms Mg II. Fα and sunspot numbers perform slightly worse but none of four solar proxies performs poorly. F10.7 is favored for G-TEC, to some extent surprisingly, as previous results favored rather Mg II.     

Sunspot cycle prediction using Warped Gaussian process regression

Solar cycle prediction is a key activity in space weather research. Several techniques have been employed in recent decades in order to try to forecast the next sunspot-cycle maxima and time. In this work, the Gaussian process, a machine-learning technique, is used to make a prediction for the solar cycle 25 based on the annual sunspot number 2.0 data from 1700 to 2018. A variation known as Warped Gaussian process is employed in order to deal with the non-negativity constraint and asymmetrical data distribution. Tests using holdout data yielded a root mean square error of 10.0 within 5 years and 25.0–35.0 within 10 years. Simulations using the predictive distribution were performed to account for the uncertainty in the prediction. Cycle 25 is expected to last from 2019 to 2029, with a peak sunspot number about 117 (110 by the median) occurring most likely in 2024. Thus our method predicts that solar Cycle 25 will be weaker than previous ones, implying a continuing trend of declining solar activity as observed in the past two cycles.     

第21～24太阳周4类空间天气事件爆发特征统计分析

对第21～24太阳周不同等级的太阳X射线耀斑事件、太阳质子事件、地磁暴事件及高能电子增强事件的爆发频次特征进行统计，结果表明:太阳周耀斑爆发的总数量与该太阳周的黑子数峰值呈正比，耀斑总数、X级耀斑事件数与峰值的相关系数分别为0.974，0.997；太阳质子事件主要发生在峰年前后1～2年，约占总发生次数的80%，峰值通量大于10pfu （1 pfu=1 cm-2·sr-1·s-1）的质子事件中，84%伴有耀斑爆发，并且主要伴随M或X级耀斑，少量伴随C级耀斑，峰值通量大于1000pfu的质子事件中，98%伴随M或X级耀斑，并且以X级耀斑为主；第21，22，23和24太阳周发生地磁暴最频繁的时间分别在1982，1991，2003年和2015年，分别滞后黑子数峰值时间3年、2年、2年和1年；72%的高能电子增强事件发生在太阳周下降期，24%的高能电子增强事件发生在太阳周上升期.