地球同步轨道相对论电子微分通量的动态预报模型

地球同步轨道区域充满能量高达MeV的高能电子,其对航天器威胁极大.电子微分通量预报有助于及时有效地预警高能电子事件,降低高能电子对航天器造成的危害.本文以此为背景提出了一种基于经验正交函数（EOF）方法的地球同步轨道相对论电子微分通量预报模型.该模型利用太阳风参数及地磁指数拟合后一天的电子通量EOF系数,结合EOF基函数给出后一天中大于2MeV电子微分通量预报.对2003年1月至2006年6月的样本测试结果表明,该模型可以重构出电子微分通量的真实变化,给出较好的5min微分通量预报,其平均预报效率达到67%左右.      

基于支持向量机方法的地球同步轨道相对论电子事件预报模型研究

提出了一种基于支持向量机方法(SVM)的地球同步轨道相对论电子事件预报模型. 模型以平均影响值(MIV)作为指标, 筛选出预报输入参量. 这些参量包括, 前一日的大于2MeV电子日积分通量、太阳风速度、太阳风密度、Dst指数和前二日的AE指数. 模型包含回归和分类两个部分, 可以分别对未来一天的电子日积分通量和相对论电子事件强度的级别做出预报. 对2008年样本进行测试, 在相对论电子通量的预报中, 预报值和实测值之间的线性相关系数为0.85, 预报效率为0.71; 对相对论电子事件级别预报的准确率为82%, 可以较准确区分开事件状态与非事件状态. 结果表明, SVM预报模型对相对论电子事件有较好的预报效果.      

使用地磁脉动参数定量预报地球同步轨道相对论电子通量的建模研究

磁层超低频波(ULF波)对种子电子的加速机制是磁层相对论电子产生的一个重要机制, 而地磁脉动参数可以作为此机制的有效指标. 本文采用地磁脉动参数作为输入参数, 借鉴线性预测滤波器技术, 构建一个多参量非线性函数, 进而利用此函数以及卡尔曼滤波技术, 建立一个地球同步轨道相对论电子通量日积分值预报模式, 提供提前一天的预报值. 使用2004年数据对该模式进行训练, 预报结果的预报效率为0.73, 线性相关系数为0.85. 使用2005-2006年的数据对该模式进行测试, 预报值与实测值之间的线性相关系数为0.83, 预报效率为0.69, 相比Persistence模式具有较大提升, 与仿REFM模式的预报效率相当      

2010年4月地球同步轨道相对论电子增强事件分析

为研究2010年4月地球同步轨道相对论电子通量异常增强事件的原因, 选取了2004-2010年之间高速太阳风下7个类似事件进行对比分析. 探讨了多种可能导致此次异常事件的太阳风和地磁条件. 结果表明, 较弱的磁暴使得相对论电子高通量区域更接近同步轨道, 此外, 哨声波加速很可能在2010年4月地球同步轨道相对论电子通量异常增强事件中起到重要作用. 磁暴强度与种子电子的注入深度密切相关, 表现为Dst指数曲线的形态与能量为30～100keV的电子高通量区域的下边缘高度吻合. 能量为30～100keV电子的注入深度影响了能量大于300keV的电子出现的磁层区域. 此事件中, 由于磁暴相对较弱, 种子电子向内磁层注入的深度较浅, 更靠近同步轨道区域, 这使得相对论电子大量出现的区域也靠近同步轨道, 最终导致同步轨道相对论电子通量异常增强. 另外, 2010年4月地球同步轨道相对论电子通量异常增强事件中, 高强度的亚暴提供了充足的种子电子并加强了波粒相互作用, 这也是相对论电子增强的必要条件.      

辐射带高能电子通量波动与地磁暴警报

地球磁场捕获带电粒子形成辐射带,地磁场的扰动将导致带电粒子通量的变化.根据磁暴期间外辐射带高能电子通量起伏和波动的特点及规律,利用GOES卫星实时发布的5min分辨率高能电子微分通量数据,构建了高能电子通量波动指数,并分析了该指数与地磁活动的关系.结果表明,所提出的高能电子通量波动指数与地磁事件有很好的相关性,能起到地磁暴发生的指示剂作用,相对于目前空间环境业务化预报过程中广泛使用的3hKp指数,高能电子通量波动指数能更早地警报地磁暴的发生,是潜在有效的地磁暴警报辅助手段,能为空间环境预报中的地磁暴实时警报提供重要参考.      

基于经验模态分解的地球同步轨道高能电子通量预报

在磁暴恢复相期间,大量相对论(高能)电子从磁层的外辐射带渗透到地球同步轨道区.其中> 2 MeV的高能电子能够穿透卫星表面并聚积在材料内部,导致卫星无法正常运行或完全损坏.磁暴期间的高能电子通量变化的非平稳与非线性特征十分明显.通过实验发现,经验模态分解法能够极大地降低高能电子通量非平稳性问题造成的预报影响.以2008-2009年的数据作为训练集,2010-2013年数据作为测试集.结果表明:2010-2013年的预报率约为0.84;在太阳活动较为复杂的2013年,预报率达到0.81.引入经验模态分解后预报效率得到显著提高.     

强磁暴、能量粒子暴与热层大气密度涨落之间的相关关系

利用1997-2007年由GOES8, GOES11和GOES12星载高能粒子探测器在地球同步轨道高度上所探测到的高能质子和高能电子通量探测数据以及高度560km左右星载大气密度探测器所得的热层大气密度探测数据, 统计分析了强地磁扰动、高能粒子通量跃变和热层大气密度涨落之间的相关关系, 初步获得强地磁扰动期间, 地球同步轨道(外辐射带外环)均出现了增幅大于三个数量级的高能质子通量(尤其是E>1MeV)强增强现象, 随后热 层大气密度强烈上涨, 表明三者之间是正相关关系. 在时间上地球同步轨道高能质子通量强增强现象先于日均Ap值(地磁活动程度)上涨约一天左右, 而热层大气密度强涨落现象又明显滞后于强地磁扰动事件.      

上游太阳风中高能电子向同步轨道区的传输

通常认为，同步轨道区的电子通量增加是由于磁暴或者上游太阳风高速流的扰动所引起．近来的观测表明，起源于太阳活动的行星际高能电子也是引起同步轨道电子通量增加的重要原因之一．Zhao等在研究2000年7月14日太阳剧烈活动时发现，同步轨道区相对论电子通量巨幅增加时没有观察到上游太阳风高速流的扰动，并且磁暴发生在电子通量事件之后．采用解析磁场模型和实际磁场模型(T96模型)模拟来自太阳的相对论电子在磁尾中的运动特性．计算结果表明，当行星际磁场南向时，进入到磁尾的行星际相对论电子可以从较远的磁尾区域运动到同步轨道区域．这一研究结果从理论上论证了起源于太阳活动的高能电子可以对同步轨道区相对论电子通量的增加产生重要的作用．     

地球同步轨道高能电子通量预报方法研究

统计分析了GOES卫星测量得到的E > 2MeV能道电子通量与地磁Ap指数及太阳风数据的关系, 构建了基于径向基函数RBF的神经网络模型框架, 对GOES-12卫星所处的地球同步轨道高能电子通量进行提前1天的预报, 其对2008-2010年数据预测的效果较好. 另外, 发现在GOES-12卫星观测的E >2MeV能道高能电子达到108 cm-2·d-1·sr-1以上时, FY-2D卫星的测量数据同时达到108 cm-2·d-1·sr-1以上的比例达到90%左右. 通过对FY-2D卫星E >2MeV能道电子通量与GOES卫星E>2MeV电子通量的相关性分析, 建立了FY-2D卫星高能电子预报模型, 预报结果与实测通量符合较好.      

基于深度学习递归神经网络的电离层总电子含量经验预报模型

利用行星际太阳风参数与太阳活动指数、地磁活动指数、电离层总电子含量格点化地图数据,首次基于一种能处理时间序列的深度学习递归神经网络（Recurrent Neural Network,RNN）,建立提前24h的单站电离层TEC预报模型.对北京站（40°N,115°E）的预测结果显示,RNN对扰动电离层的预测误差低于反向传播神经网络（Back Propagation Neural Network,BPNN）0.49～1.46TECU,将太阳风参数加入预报因子模型后对电离层正暴预测准确率的提升可达16.8%.RNN对2001和2015年31个强电离层暴预报的均方根误差比BPNN低0.2TECU,将太阳风参数加入RNN模型可使31个事件的平均预报误差降低0.36～0.47TECU.研究结果表明深度递归神经网络比BPNN更适用于电离层TEC的短期预报,且在预报因子中加入太阳风数据对电离层正暴的预报效果有明显改善.      

Advances in space research nonlinear dependence of Dst and AE indices on the electric field of magnetic clouds

Using the Dst and AE geomagnetic index values and parameters of interplanetary magnetic field and solar wind we have examined the geoeffectiveness of transient ejections in the solar wind, namely, magnetic clouds and high-speed streams. It is found that for magnetic clouds the dependences of indices on the solar wind electric field are nonlinear of different kind. In contrast to magnetic clouds, the dependence of Dst and AE geomagnetic index values on the solar wind electric field agrees closely with the linear one for high-speed streams. We suggest approximating formulas to describe dependences obtained taking into account the relation of the electric field transpolar potential to the electric field and dynamic pressure of the solar wind. We suppose that the interplanetary magnetic field fluctuations also contribute to these dependences.     

Storm-time formation of a relativistic electron belt and some relevant phenomena in other magnetospheric plasma domains

An empirical formula relating the strength of a storm given by its |Dst|_max with the L-coordinate of the peak of storm-injected relativistic electrons is one of a few well-confirmed quantitative relations found in the magneto-spheric physics. We successively extended a dataset of the formula’s basic storms with several events of high Dst-amplitude up to the highest observed |Dst|_max = 600 nT. Possible applying of the formula to the predicting of the ring-current plasma-pressure distribution and the lowest westward electrojet position for a storm are discussed. We have also analyzed the 2000–2001 years’ data on relativistic electrons from our instruments installed on EXPRESS-A (geosynchronous orbit; E_e = 0.8–6 MeV), Molniya-3 (h = 500 × 40 000 km, i = 63°; E_e = 0.8–5.5 MeV) and GLONASS (h = 20 000 km, i = 64°; E_e  l MeV) along with other correlated measurements: GOES series (E_e > 2 MeV), geomagnetic indices (Dst, AE, AL) and interplanetary parameters (solar wind, IMF). The goal is to investigate which outer conditions are most responsible for the high/low output of the storm-injected relativistic electrons. For the geosynchronous orbit, two factors are found as the necessary condition of the highest electron output: high and long-lasting substorm activity on a storm recovery phase and high velocity of solar wind. On the contrary, extremely low substorm activity surely observed during whole the storm recovery phase constitutes a sufficient condition of the non-increased after-storm electron intensity. For the first time found cases of the increased after-storm electron intensity observed at the inner L-shells with no simultaneously seen increase in the geosynchronous distances are presented.     

ULF wave index as magnetospheric and space-weather parameters

Waves in the Ultra Low Frequency (ULF) band owe their existence to solar wind turbulence and transport momentum and energy from the solar wind to the magnetosphere and farther down. Therefore an index based on ULF wave power could better characterize solar wind–magnetosphere interaction than K_P, Dst, AE, etc. indices which described mainly quasi-study state condition of the system. We have shown that the ULF wave index accurately characterize relativistic electron dynamics in the magnetosphere as these waves are closely associated with circulation, diffusion and energization of relativistic electrons in the magnetosphere. High speed solar wind streams also act as a significant driver of activity in the Earth’s magnetosphere co-rotating interaction region and are responsible for geomagnetic activities. In the present paper, we have analyzed various cases related with very weak (quiet) days, weak days, storm days and eclipse events and discussed the utility of the ULF wave index to explain the magnetospheric dynamics and associated properties. We have tried to explain that the ULF wave index can equally be useful as a space weather parameter like the other indices.     

利用支持向量机预测大磁暴期间Dst指数的变化

利用支持向量机（SVM）模型对大磁暴期间Dst指数进行预报研究.以1995-2014年期间的80次大磁暴（Dst≤-100nT）事件共2662组观测数据为研究对象,以对应时间的太阳风参数为模型输入参数,同时建立了神经网络模型和线性机模型进行对比,并利用交叉验证提高预测结果的可靠性.为比较不同模型的预测效果,选用相关系数（CC）、均方根误差（RMS）、磁暴期间Dst指数最小值预测结果的平均绝对误差以及Dst指数最小值出现时间预测结果的平均绝对误差等统计量作为对比参数.结果显示SVM模型的预测效果最好,其中相关系数为0.89,均方根误差为24.27nT,所有磁暴事件的最小Dst值预测平均绝对误差为17.35nT,最小Dst值出现时间的预测平均绝对误差为3.2h.为进一步检验模型对不同活动水平磁暴预报效果的可能差异,将所有磁暴事件分为大磁暴（-200 相似文献   

Prediction of geosynchronous electron fluxes using an artificial neural network driven by solar wind parameters

There are hundreds of satellites operating at the geosynchronous (GEO) orbit where relativistic electrons can cause severe damage. Thus, predicting relativistic electron fluxes is significant for spacecraft safety. In this study, using GOES satellite data during 2011–2020, we propose two neural network models with two hidden layers to predict geosynchronous relativistic electron fluxes at two energy channels (>0.8 MeV and > 2 MeV). The number of input neurons of the two channels (>0.8 MeV and > 2 MeV) are determined to be 36 and 44, respectively. The > 0.8 MeV model has 22 and 9 neurons in the hidden layers, while the > 2 MeV model has 25 and 15 neurons in the hidden layers. The input parameters include the north–south component of the interplanetary magnetic field, solar wind speed, solar wind dynamic pressure and solar wind proton density. Through the analysis of different time delays, we determine that the optimal time delays of two energy channels (>0.8 MeV and > 2 MeV) are 8 days and 10 days, respectively. The training set and validation set (Jan 2011-Dec 2018) are divided by the 10-fold cross-validation method, and the remaining data (Jan 2019-Feb 2020) is used to analyze the model performance as a test set. The prediction results of both energy channels show good agreement with satellite observations indicated by low RMSE (～0.3 cm^-2sr^-1s^?1), high PE (～0.8) and CC (～0.9). These results suggest that only using solar wind parameters is capable of obtaining reasonable predictions of geosynchronous relativistic electron fluxes.     

利用BP神经网络预测AE指数

采用的预报模式是一种全连接的BP网络模型,利用太阳风及行星际磁场的观测数据预报AE指数.神经网络输入选用ACE卫星数据,取5 min平均值,通过比较,选用4个预报参量.构造了预报参量时续为20 min,40 min和60 min依次递增的三个网络,分别进行训练和预测,并对行星际参量对AE指数影响的时续性进行了探讨.预报结果表明,全连接BP神经网络在AE指数的短期预报中是比较有效的,同时还提出了需要进一步改进的环节.      

利用人工神经网络预报大磁暴

本文采用阈值预报的策略和人工神经网络BP模型,以13个太阳风参量和地磁AE,Dst指数作为输入,以0或1作为输出,提前4h预报大磁暴主相发生的时刻．结果表明,采用神经网络方法的阈值预报可以对灾害性磁暴的发生提前数小时做出比较准确的预报．