一种电离层TEC格点预测模型

基于分析时间序列数据的门限控制单元（GRU）神经网络模型，利用电离层TEC网格点历史数据、太阳活动指数、地磁活动指数作为预测因子，提出一种高精度电离层TEC格点预测模型.对全球60个网格点的数据进行了模型预测和对比实验，得到北半球平均相对精度的均值为83.96%，高于南半球的73.60%，表明预测模型在北半球的适应性更好，且中低纬地区的适应性优于高纬地区；预测模型在磁扰动期的平均相对精度的均值比磁平静期平均相对精度的均值高，约1.95%；与基于递归神经网络（RNN）、长短时记忆网络（LSTM）和双向长短时记忆网络（Bi-LSTM）的电离层TEC单站预测模型相比，本文预测模型的均方根误差（RMSE）平均为原来的80.8%.      

神经网络方法在太阳质子事件短期预报中的应用

在大量统计结果的基础上,深入研究了太阳质子事件预报机理．总结了质子事件爆发与太阳活动区面积、位置、McIntosh结构、磁结构以及前两天活动区爆发耀斑事件数目之间的关系．然后,在神经网络的基础上建立了太阳质子事件短期预报模型,并对2000年以后12个未参加训练的样本进行测试,结果对事件预报的准确率为83％．此外,我们还利用该模型对2002年1-4月发生的几次质子事件进行了预报试验,结果发现,这期间发生的6次事件都被预报．其中3次质子事件系统预报提前了3天,两次事件预报提前了2天,一次事件提前1天预报．     

太阳风扰动对极光电急流和环电流指数的影响

利用WIND卫星的太阳风观测数据和地磁活动指数, 研究了太阳风扰动对环电流SYM-H指数, 西向极光电急流AL指数和东向极光电急流AU指数的影响. 结果表明, 太阳风动压增长和减少能够同步或延迟引起地磁活动指数的强烈扰动, 其包括环电流指数的上升, 西向极光电急流指数的下降和东向极光电急流指数的上升. 太阳风动压的突然剧烈增加还能够触发超级亚暴和大磁暴. 太阳风动压脉冲引起的地磁效应具有复杂的表现形式, 这说明太阳风动压脉冲的地磁效应不仅与太阳风动压脉冲大小和持续时间有关, 还与磁层本身所处的状态有关. 时间尺度较长, 消耗能量较大的磁暴只有大的持续时间较长的太阳风动压脉冲才能激发.      

基于机器学习方法对23太阳活动周质子事件的研究

在耀斑伴随日冕物质抛射（CME）事件编目数据的基础上，进行太阳质子事件（SPE）匹配，构建研究数据集.利用Apriori算法挖掘SPE与耀斑级别、耀斑发生日面位置以及CME角宽度和速度的关联关系.结果表明:X级耀斑、全晕CME、高速（>1000km·-1） CME和日面西半球耀斑是最可能伴随质子事件的4种特征，其诱发质子事件概率依次为0.366，0.355，0.30，0.155.角宽度低于120°或速度低于400km·-1的CME产生质子事件的概率为0.高速CME产生质子事件的概率是低速（400～1000km·-1） CME的8.6倍，X级耀斑产生质子事件的概率是M级耀斑的6.2倍，日面西部耀斑产生质子事件的概率是日面东部耀斑概率的3.9倍，全晕CME产生太阳质子事件的概率是非全晕（120°～360°） CME的3.8倍.对太阳质子事件样本进行过采样处理，利用随机森林等5种典型有监督学习算法，构建了基于第23太阳活动周耀斑和CME特征的质子事件预测模型.结果表明，该预报模型的质子事件预测准确率、精确率和召回率均控制在91%以上.      

基于PSOC的热变形与维卡软化点温度测控仪的设计

论文介绍了以一种基于PSOC微控制器的热变形与维卡软化点温度测控仪的设计,并对系统结构及功能实现中的一些具体问题进行了分析,实现了相关的硬件电路结构和完成相关功能的软件设计方案。     

基于集成学习的太阳质子事件短期预报方法

太阳质子事件是一种由太阳活动爆发时喷射并传播到近地空间的高能粒子引起的空间天气现象。这些高能粒子会对航天器和宇航员产生严重危害,对太阳质子事件进行准确的短期预报是航天活动灾害预防的重要内容。针对当前主要预报模型中普遍存在的高虚报率问题,提出了一种基于集成学习的太阳质子事件短期预报方法,利用第23个太阳活动周数据,建立了一种集成8种机器学习模型的太阳质子事件短期预报系统。实验结果表明,本文方法在取得了80.95%的报准率的同时,将虚报率降低至19.05%,相比现有的预报系统具有较为明显的优势。      

喉区极光的机器识别

喉区极光是一种发生在电离层对流喉区附近的极光现象，是极光卵向低纬侧延伸出的南北向分立结构，其可能对应由磁鞘高速流与磁层顶作用引发的磁层顶重联过程.喉区极光研究对深入理解太阳风—磁层—电离层耦合过程具有重要意义.从长期观测所积累的大量全天空极光观测数据中准确高效识别出喉区极光结构，是开展喉区极光统计研究的基础.本文利用北极黄河站2003—2017年全天空成像仪的极光观测数据，建立了喉区极光图像标注数据集；基于密集连接卷积神经网络（DenseNet）对极光图像全局高维表征的自动学习，首次实现了喉区极光结构的机器识别.算法对喉区极光识别准确率达96%，且具有良好的泛化性能.研究表明基于深度学习的图像识别方法可用于从海量极光观测数据中自动识别喉区极光事件.      

热变形维卡测试仪的抗干扰措施

文章针对热变形维卡测试仪遭受到的干扰,选用了有利于简化硬件设计结构的PSOC作为应用系统核心控件,从软件和硬件两个方面对单片机系统的抗干扰采取了相应的处理措施,保证了系统能够在恶劣的环境下稳定、精确地运行。     

油电混合动力系统蓄电池SOC监测系统设计

论文以业内前景看好的车载磷酸铁锂动力电池作为研究对象,基于卡尔曼滤波法并结合开路电压法和安时积分法的复合算法对电池SOC进行估算;基于等效电路的Thevenin模型,用Matlab/Simulink建立仿真模型。通过复合算法仿真验证表明,SOC的估算精度和实时性有显著的提高。设计了电池组SOC监测系统以完成电池电压、充放电电流、温度的监测、电池状态诊断及保护等功能,实现混合动力汽车动力电池剩余电量的实时在线精确估计。     

地磁场磁力线可视化种子点选取的磁场强度线积分等分算法

将磁力线按流线进行绘制是地磁场可视化的通用方法. 磁力线种子点的选取 决定了绘制磁力线的疏密, 其疏密程度能否真实反映地磁场强度分布是评价地 磁场可视化效果的关键. 基于磁经圈均匀角度种子点选取算法绘制 的磁力线通常不能客观反映地磁场强度的空间分布, 针对这一不足, 提出一种等分磁场强 度线积分的磁力线种子点选取算法. 利用该算法对地磁场IGRF模型和T96模型 描述的地磁内外源场进行可视化绘制, 对磁力线追踪结果中出现的冗余磁力线 进行过滤, 统计分析了绘制磁力线的空间分布与地磁场强度空间分布的相关性, 结果表明该算法能够较好地实现对地磁场的可视化.