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10.7 cm射电辐射流量预报方法初探

引进“相似周”方法,通过两种方式对第23周太阳10.7cm辐射流量（F10.7）月均值进行预报和预报,由“相似周”方法得到的第23周太阳黑子数月均平滑预测值来预测F10.7月均值和直接采用“相似周”方法对F10.7月均平滑值进行预测,通过对两种预报试验结果分析,得到以下结论。（1）两种预测结果与实际都比较吻合,都得到双峰结构。（2）直接通过相似周预测的F10.7的月均值结果较间接通过太阳黑子数的预测结果所推断的F10.7预测结果更接近实际观测结果。（3）使用“相似周”,预报方法,可以给出F10.7比较精细的剖面结构,这是其他普通预报方法很难做到的。     

利用MF雷达对耀斑期间电离层D区电子密度的观测研究

利用MF雷达观测资料对X级别耀斑爆发期间在66-80km高度之间的电子密度进行了研究，观测到了耀斑爆发期间电子密度的突然增加，在较低高度上的电子密度的时间变化趋势与耀斑的软X射线辐射通量相关．电子密度的变化强度依赖于具体的耀斑参数，有些耀斑引起的电子密度增加高达400cm^-3，有些仅为100cm^-3左右．但耀斑期间在这一高度区间增加的总电子含量增量仅占耀斑辐射引起的整个电离层总电子含量增量的千分之一左右．最后，利用恢复阶段电子密度的时间变化过程估算了1997年11月4日耀斑期间部分高度上的有效复合系数．     

基于机器学习相似度算法的Kp指数预报

基于机器学习中的相似度算法,建立了在历史太阳风数据中寻找与当前太阳风特征相近事例的推荐模型,用来预报地磁Kp指数.使用1998-2019年间随机选择的120个太阳风事例作为测试数据集,该模型能够推荐得到历史上与输入太阳风造成相似地磁影响的太阳风事例,最优事例的Kp指数与实际值的均方根误差为0.79,相关系数为0.93....     

全球空间天气路线图及对中国的启示

随着科技的发展,空间天气对电力系统、通信导航系统和航天资产等遍布全球的技术基础设施的影响越来越深.需要加强对空间天气事件过程的理解,提升空间天气的预报能力,优化基础设施设计,从而减缓空间天气对社会造成的影响.基于这些需求,国际空间研究委员会(COSPAR)联合国际与日共存计划(ILWS)共同成立专家组,研究制定了全球2015-2025空间天气发展路线图.本文对该路线图进行介绍和解读,讨论该路线图对中国空间天气发展的启示.     

2 AU以内的“渐进型”太阳高能粒子事件模拟

太阳高能粒子（Solar Energetic Particle,SEP）事件是影响地球空间以及深空辐射环境的主要因素之一。“渐进型”太阳高能粒子事件中的高能粒子主要来自于日冕物质抛射（Coronal Mass Ejection,CME）所驱动的激波扩散加速（Diffusive Shock Acceleration,DSA）过程。CME驱动的激波在行星际的传播过程中,其结构不断演化,进而影响到高能粒子的加速过程。本文利用二维太阳高能粒子加速和传播模型,对发生于2014年4月18日的太阳高能粒子事件实例进行了数值模拟。模型考察了黄道面上2 AU的距离以内包含地球所在位置的4个不同点,分别计算了每个点上高能粒子的通量。数值模拟的结果表明：黄道面内不同位置的观察点,与激波波前的磁力线连接不同,从而导致观察点处高能粒子的通量有着显著的差异。该模型的计算结果可以为深空探测计划开展辐射环境研究提供必要的输入。     

不同强度磁暴期间热层大气密度响应特征分析

利用CHAMP卫星数据，对2002-2008年12个不同强度磁暴事件期间的热层大气密度变化特征进行分析，并研究对应磁暴期间大气模式NRLMSISE-00分布特征.结果表明，大磁暴期间日侧大气密度峰值从高纬到低纬的时间延迟为2h，中小磁暴期间的延迟时间为3～4h；春秋季暴时大气密度分布基本呈南北对称分布，而夏冬季大气密度的分布是夏半球大于冬半球，春秋季暴时大气密度大于夏冬季；NRLMSISE-00大气模式得到的热层大气密度很好的体现了半球分布以及季节分布的特征，但模式模拟结果偏小；Dst指数峰值比ap指数峰值更能反应大气密度的变化情况.      

基于权重的层次矢量量化体压缩算法及其在空间环境中的应用

空间环境数据可视化是空间环境预报和服务的重要手段.目前基于矢量量化的压缩体绘制算法均只考虑了数据特点和压缩效果，并未结合具体应用需求.为适应空间环境体数据可视化具体应用需求，提出了一种应用驱动的压缩体绘制算法——基于权重的层次矢量量化算法（WHVQ）.算法将体数据划分为43的数据块，并为数据块设置权重，重点关注区域的数据块赋予相对较大的权重值.然后，对各数据块用三层结构表示.最后，对次高层和最高层分别采用基于权重的主成分分析分裂法产生初始码书，并采用基于权重的LBG算法进行码书优化和量化.实验结果表明，该算法能够在保证整体压缩效果的同时，提升局部重点关注区域的重构质量.      

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.      

太阳质子事件中短期预报模型研究

太阳质子事件通量的预测对航天器抗辐射加固设计和航天员出舱活动具有非常重要的意义.针对一年以下的航天任务,利用经验统计方法,确认太阳活跃年和太阳平静年期间,1——365天不同时间段内 > 10MeV,> 30MeV和 > 60MeV的太阳质子事件积分通量符合对数正态分布,且通量对数的标准偏差σ和期望值μ随任务期时间的变化满足对数函数形式.以此为基础,构建太阳质子通量的中短期预报模型.该模型能够针对太阳活跃年和太阳平静年,给出一定置信度下1——365天不同时间内 > 10MeV,> 30MeV和 > 60MeV的质子事件通量分布,从而为执行中短期航天任务提供太阳质子事件通量的预测,以规避不必要的风险.