利用行星际监测数据进行地磁暴预报

利用全连接神经网络方法应用于地磁Dst指数的预报中.对ACE卫星探测的太阳风和行星际磁场及其变化对未来几小时的Dst指数的影响进行了统计分析,发现在这些行星际实测参数中,对Dst指数作用较为明显的是太阳风速度、太阳风质子密度和行星际磁场南向分量,同时,当前Dst指数实测值对今后几小时的Dst指数已有很强的制约作用.在统计分析的基础上,建立了全连接神经网络预报模型.由于采用了全连接神经网络结构,模式能够反映出太阳风、行星际磁场等参数与地磁Dst指数参数的复杂联系,可以自动建立输入参量的最佳组合方式,提高了预报精度.通过利用大量实测数据对神经网络模式进行训练,最终建立了利用优选的ACE卫星行星际监测数据提前2 h对Dst指数进行预报.通过检测,预报的误差为14.3%.     

宇宙线变化特征在强地磁暴预报中的应用

利用宇宙线中子探测数据定性分析了地面宇宙线多台站之间的相互联系以及大磁暴与宇宙线之间的响应关系. 以Irkutsk和Oulu宇宙线台站为例, 运用小波去噪技术提高数据的稳定性. 结果表明, 相同世界时条件下, 两站宇宙线通量相关性在事件发生时较高; 而相同地方时条件下, 相关性则在平静期较高. 进一步采用相同地方时条件对不同宇宙线台站的通量在平静期和扰动期的相对变化进行分析, 选取2004年7月强地磁暴典型事例进行直观分析, 发现大地磁暴前Irkutsk和Oulu台站的宇宙线相对通量发生明显差异, 可以尝试作为强地磁暴宇宙线先兆特征. 通过对2001年3月至2005年5月的强磁暴和中强磁暴进行统计, 得到与强地磁暴相关的适当宇宙线相对差异阈值. 将得到的阈值对2005年9月至2011年12月所有强磁暴及中强磁暴进行验证, 总成功率达到87.5%, 误报率为35.7%, 结果较好.     

人工神经网络在磁情预报中的应用

介绍了人工神经元网络在磁情预报中的应用研究，并对具体应用于C9指数预报的MLP的拓扑结构，预报效率及在预报时所表现出的特点和问题进行了讨论。     

冕洞特征参数与地磁暴强度及发生时间统计

地磁暴是空间天气预报的重要对象.在太阳活动周下降年和低年,冕洞发出的高速流经过三天左右行星际传输到达地球并引发的地磁暴占主导地位.目前地磁暴的预报通常依赖于1AU处卫星就位监测的太阳风参数,预报提前量只有1h左右.为了增加地磁暴预报提前量,需要从高速流和地磁暴的源头即太阳出发,建立冕洞特征参数与地磁暴的定量关系.分析了2010年5月到2016年12月的152个冕洞-地磁暴事件,利用SDO/AIA太阳极紫外图像提取了两类冕洞特征参数,分析了其与地磁暴期间ap,Dst和AE三种地磁指数的统计关系,给出冕洞特征参数与地磁暴强度以及发生时间的统计特征,为基于冕洞成像观测提前1～3天预报地磁暴提供了依据.     

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   

利用人工神经网络提前1h预报电离层TEC

提出了一种利用人工神经网络提前1h预报电离层TEC的简便方法. 考虑到实际工程应用要求, 没有使用其他空间天气参数, 而是选择电离层TEC观测数据本身作为输入参数. 输入参数为当前时刻TEC、一阶差分、相对差分和时间, 输出参数为预报时刻TEC. 利用文中介绍的GPS/TEC处理方法解算厦门站2004年电离层TEC观测数据, 对预报方法进行评估, 全年平均相对误差为9.3744%, 预报结果与观测值相关性达到了0.96678. 结果表明, 利用人工神经网络方法提前1h预报电离层TEC有很好的应用前景.     

利用转移熵研究引起磁暴扰动的太阳风参数重要性排序

磁暴是重要空间天气灾害性事件,能够影响卫星的安全在轨运行和地面电网系统等。目前,对于太阳风–磁层相互作用的研究多集中在分析相关系数的线性关系,而基于信息论的转移熵可以提供强大的无模型有向统计量,可用来分析传统相关性分析和模型假设检测不到的非线性关系。本文利用转移熵的方法,研究了磁暴期间的太阳风驱动参数。利用第23和24太阳活动周的小时精度数据进行长时间尺度分析,发现太阳风向地磁的信息传递呈双峰分布,表现出与太阳活动水平的一致性。利用2010－2018年93个地磁暴期间的分钟精度数据进行短时间尺度分析,结果表明：行星际电场（E）和行星际磁场南向分量（$ {B}_{z} $）对地磁指数Sym-H在时间延迟为60 min时信息传递较强,而太阳风速度 $ {v}_{\mathrm{s}\mathrm{w}} $、温度 $ {T}_{\mathrm{s}\mathrm{w}} $、数密度$ {D}_{\mathrm{s}\mathrm{w}} $、磁场B和动压$ {P}_{\mathrm{s}\mathrm{w}} $对Sym-H指数的信息传递较弱。上述研究结果能够为太阳风–磁层相互作用的建模提供参数选择及确定预测范围的依据。     

利用神经网络预报中国地区电离层f0F2

利用神经网络技术并考虑太阳和地磁活动对电离层的影响,提出了一种提前5 h预报中国地区电离层临界频率f0F2的方法.网络输入包括时间、季节、地理纬度、太阳天顶角、最近一天的12个观测值(F-23,F-22,F-21,F-20,F-19,F-18,F-5,F-4,F-3,F-2,F-1,F0)和前30天滑动平均值(A-24,A-23,A-22,A-4,A-3A-2,A-1,A0),网络输出分别为未来5 h的f0F2值F+1,F+2,F+3,F+4,F+5.选取乌鲁木齐、长春、重庆和广州站1958-1968年间的数据训练网络,利用中国9个电离层站的历史数据检验网络,根据均方根误差衡量网络性能的好坏.结果表明,神经网络的预报结果能较好地符合实测数据.这说明利用神经网络实现中国地区电离层f0F2的时空预报是可行的.     

利用神经网络预报电离层f0F2

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.     

在地磁暴期间大气气旋的变化

本文分析了1966—1978年间地磁暴期间地球大气气旋的变化。在地磁暴发生后,大气涡度面积指数(VAI)出现明显的扰动。在磁暴发生后第2天VAI有一个明显的增加,然后下降,到第4天VAI下降到最小值。但是,不同的磁暴类型发生时,VAI的扰动特征是不同的,而且具有明显的季节效应。     

利用神经网络预报太阳质子事件后的地磁扰动

通过分析几十个典型太阳质子事件表明,具有以下特征的质子事件其后1－3天内一般有强烈地磁扰动发生：1．质子耀班级别和亮度较大（3B以上）;2．质子通量在上升阶段增加很快,而在下降阶段相对来说衰减也很快（尤其是在峰值附近）;3．电子通量远远大于质子通量并且和质子通量有相似的变化规律．在此基础上,利用神经网络预报太阳质子事件发生后3天内地磁扰动的趋势．     

中纬电离层暴负相开始时间与磁暴主相开始时间的对应关系

本文假设在磁暴主相期间,由于极光椭圆带处的空气被加热上升,从而使高纬高空出现富含分子的气体。这些气体由于扩散及与中性风的相互作用会向中低纬移动,其所到之处电子消失系数增加,从而导致负相电离层暴的发生。计算给出了全球中纬电离层暴负相的开始时间与磁暴主相开始时间之间的关系,并讨论了负相电离层暴发生的"时间禁区"问题。结果与有关统计结果符合得很好。     

基于模糊神经网络的故障诊断方法的研究

根据模糊逻辑和神经网络网络对故障诊断方法做了研究，并介绍了具体实现过程，最后结合某液压系统对该方法作了验证，并给出了直接用前馈感知器进行故障诊断的对比结果。     

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.     

遥测帧码数字相关检测器的神经网络实现

建立了一种利用遥测最佳帧同步码的符合度特征和多比特观测窗 数字相关检测器模型，基于模糊利用神经网络实现了这种数字相关检测器，它对帧码出现的误码的码元滑动的情况均有较高的检测率，实现结果主宰了这些结论。     

磁暴期间中纬度电离层剖面结构变化的数值模拟

利用电离层理论模型模拟了磁暴期间热层大气温度、成分、中性风和电场扰动对电离层电子密度剖面结构，特别是峰值密度和峰值高度变化的影响，结果表明，热层大气温度变化所引起光化反应系数的改变对电离层剖面结构影响不大；热层大气成分特别是Ｎ２／Ｏ的变化能有效地引起密度剖面变化，Ｎ２增加足以使峰值密度产生所观测到的负相暴；由中性风和电场引起等离子体漂移是峰值高度ｈｍＦ２变化的主要原因，但对电子密度的影响不足以抵消     

一般令牌网络的性能分析

提出了一般令牌网络的性能分析模型,在模型中,访问方式为“循环策略”,消息包到达各站点服从Ｐｏｉｓｓｏｎ分布,消息包到达率不完全相同,消息包长度既有常数也有负指数分布,根据随时过程的理论导出令牌循环时间Ｔ的均值和方差的一般解析表达式,同时应用排队论的方法进行一步分析了平均消息延时,平均消息长度和逻辑环路利用率。     

1998年4月下旬至5月上旬地磁暴的日地事件认证

综合运用SOHO/LASCO、SOHO/EIT关于CME的观测结果和WIND飞船关于太阳风的观测记录,识别了1998年4月下旬至5月上旬发生的磁暴的CME源,分析了与5月初强磁暴群相联系的日地事件.结果表明,所用日地扰动事件关系认证的方法是可行的.本文就上述日地事件所涉及的磁暴群与活动区的关系、CME地磁效应的日面东西不对称性以及磁云与高速流的作用等问题进行了讨论.     

利用人工神经网络预测电离层f_0F_2月中值

提出了利用人工神经网络技术预测电离层临界频率月中值的方案．在利用人工神经网络技术研究电离层月中值隔月变化规律的基础上,考虑足够的周年和黑子周期变化的数据训练网络,使 ｆ０Ｆ２月中值预测值与实测数据比较平均误差为 ０．３４ＭＨｚ,预测精度有了较大改进．最后采用分形学的基本理论得到电离层 ｆ０Ｆ２月中值的分数维为 ３,选用 ３个输入量,分别预测高、低年 ｆ０Ｆ２月中值,与实测数据比较平均误差为 ０．３ＭＨｚ．