排序方式: 共有31条查询结果,搜索用时 15 毫秒
11.
通过地面μ介子望远镜可以探测不同方向到达的宇宙线通量,得到从外空间入射的宇宙线受到不均匀结构的调制情况,判断CME的特征.通过分析,发现大地磁暴前Nagoya台站东向和南向的探测数据存在固定的2h时间差,认为这是由两个入射方向的宇宙线粒子先后穿越CME结构引起的.分别计算了两个方向相同时间和南向相位后移2h后通量探测数据的相关系数,以及两种情形下通量差的变化幅度,定量描述了CME接近地球过程中两个方向通量的相关特征.通过比较发现,CME接近地球过程中,经过相位变换的两个方向的相关系数明显高于未经变换的情况,经过相位变换的两个方向的通量差幅度明显小于未经变换的情况;CME到达地球后,两种情形的相关系数和通量差幅度则趋于相同.对2003-2005年Kp=9的地磁暴事件的分析均发现了这种现象.对2006年12月14日大地磁暴前的μ介子通量特征进行了分析,也完全符合上述特征. 相似文献
12.
分析了地球同步轨道高能电子通量增强事件的发生规律及其与太阳风和行星际磁场参数的关系,并在此基础上建立了基于人工神经网络的高能电子增强事件模式,经实测数据检验,预报模式可以对未来1天的高能电子通量进行预报,误差为8.2%,达到了较高水平. 相似文献
13.
地磁场扰动可以引起近地空间环境(包括电离层和磁层)一系列变化,地磁Kp指数是空间天气扰动的重要参考指标.采用地球同步轨道GOES-8卫星监测到的垂直于同步卫星轨道平面的地磁分量Hp数据,分析了地磁Kp指数与Hp分量波动幅度间的统计关系,结果显示,Hp分量的变化与Kp指数具有很好的相关性.利用回归分析和RBF神经网络方法,建立了Kp指数现报模型,根据地球同步轨道地磁场Hp分量的变化,计算出相同时段的Kp指数.监测结果表明,预报方法具有一定的有效性和实用性,特别是人工神经网络模式计算的Kp指数与实测结果吻合很好.利用此方法能够在不依赖于地面地磁探测数据的情况下,快速预报地磁扰动,及时为空间天气保障提供参考.同时,鉴于中国即将发射的风云四号搭载有地磁场探测仪,本项研究可为自主数据的应用奠定基础. 相似文献
14.
通过对地球同步轨道高能电子监测数据(来自GOES)与风云二号卫星跳变事件的对比分析发现, 跳变事件均发生在高能电子增强事件即所谓高能电子暴期间, 因此初步断定, 跳变事件与高能电子引起的卫星介质深层充放电事件有关. 通过对不同通量高能电子增强事件期间所发生的跳变事件发生率进行量化计算, 给出跳变事件发生概率的计算方法, 为卫星在轨运行管理及防护提供参考. 相似文献
15.
采用小波分析方法讨论了2008—2011年ACE和STEREO-B卫星太阳风速度的27天周期特性,运用一元线性回归分析方法计算了两颗卫星太阳风速度的线性表达式,分析和计算结果表明,ACE和STEREO-B卫星探测到的太阳风速均在8~16d,16~32d的频域尺度上较为显著,在局部相同时域上,二者太阳风速的27天周期均较为显著;当太阳活动为低年时,相关性好. 作为应用实例,使用STEREO-B卫星太阳风探测数据,预测2012年10月1—17日的ACE太阳风速度,结果表明,预测值与实测值趋势一致,CME过程对预测值有一定影响. 通过本项研究,初步统计出了ACE与STEREO-B太阳风速度的关系,利用STEREO-B能够提前数天监测到即将由太阳吹向地球的太阳风特性,为建立直观的重现型地磁暴中期预报模型奠定了基础. 相似文献
16.
17.
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. 相似文献
18.
采用GOSE-10卫星4~9 MeV(P2),9~15 MeV(P3),15~40 MeV(P4),40~80 MeV(P5)能段上的质子通量数据,结合质子能谱,对太阳质子事件发生前各能谱参数的变化特征进行分析,详细介绍利用能谱参数的变化特征及能量E>10 MeV的质子通量数据对太阳质子事件进行预报的新方法,并运用这种方法对2002-2006年期间太阳质子事件进行了预报.预报结果显示,预报提前量最多达到100 h以上,对质子事件的报准率达97.5%,预报方法具备一定的有效性和实用性. 相似文献
19.
利用神经网络预报电离层f0F2 总被引:6,自引:3,他引:3
由中国武汉电离层台站和澳大利亚Hobart台站的电离层F2层临界频率(f0F2)的资料,利用三层前向反馈神经网络(BP网络),提出一种提前24h预测f0F2的方法,该方法以前5天观测的f0F2数据拟合的5个系数以及太阳活动参数作为输入,以当天24 h的f0F2作为输出对网络进行训练,训练好的网络可以实现对f0F2提前24 h的预报.预测结果显示,利用神经网络预测的f0F2与实际观测结果变化趋势较一致,并且比IRI的计算结果更加准确.误差分析表明,在南半球Hobart(-42.9°,147.3°)台站比中国武汉站(30.4°,114.3°)的结果要好,在低年比高年要好,在冬夏季节比春秋季节稍好.本文说明利用神经网络对电离层参量进行预报是一种切实可行的方法. 相似文献
20.