CME引起的地磁暴穿越时间

日冕物质抛射(CME)从发生至引起地磁暴最大值的时间间隔称为穿越时间.本文选取1997-2015年89个CME-Dst事件,分析CME速度、能量、耀斑类型等对穿越时间的影响;采用非线性拟合以及支持向量机(SVM)非线性回归技术,建立基于1997-2009年62个CME-Dst事件的CF模型和SVM模型,并利用其余27个CME-Dst事件对模型预报效果分别进行检验.结果表明,CF模型和SVM模型的预报准确率均达到85.2%,其中CF模型的平均绝对值误差为13.77 h,而SVM模型为13.88 h.与ECA模型结果(准确率为77.8%,平均绝对值误差为14.55 h)进行对比发现,CF模型和SVM模型的准确率更高而误差更小.CF模型和SVM模型能够提前1~5天较好地预报地磁暴爆发时间.     

运载火箭风场高精度拟合方法

针对运载火箭风场传统拟合方法精度低的问题，提出一种基于最少参数神经网络的高精度拟合方法。该方法将运载火箭飞行高度作为网络输入，将风场的速度和朝向作为网络输出，在满足精度要求下使用最少的网络层数和神经元个数完成风场拟合，并给出了隐层节点数的下界公式。和传统的最小二乘多项式拟合及其分段形式相比，最少参数神经网络只使用一套框架即可完成风速和风向的拟合，并提高了拟合精度。大量仿真结果充分说明了所提出方法的有效性、简洁性和鲁棒性。