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.     

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.     

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....     

低轨卫星月影事件预报优化

针对卫星月影问题,提出了一种低轨卫星优化的月影预报策略,可以有效提高目前低轨卫星在轨管理时对月影事件预报的效率.结合仿真对产生月影事件的太阳、地球、月球的三体关系进行了分析,首先给出了月影产生的解析分析方法,并通过对一个三维月影影响模型的分析,得到了月影影响区间的判定要素——月影临界角;然后进一步通过对月影临界角的分析,提出了基于太阳与白道面的位置关系和月影临界角对低轨卫星月影事件的优化预报方法;最后基于大量的随机低轨卫星场景对本方法的正确性进行了验证.研究结果表明,此方法能够较大地提高月影预报效率,可以将月影预报频率从每月1次降低到每年2次,从而简化了低轨卫星在轨运行管理的任务复杂度,为卫星的在轨可靠运行提供支持.     

一种智能故障诊断预报系统

给出一种智能故障诊断预报系统，论述了该系统的产生背景和特点，讨论了智能故障诊断与预报技术的意义和发展现状；并在此基础上，详细介绍了该系统的功能、组成和设计思想及系统的性能指标分析，指出了该系统的应用优势和潜力。     

弹道导弹子母弹头落点散布分析

建立了弹道导弹子母弹落点散布的计算模型，并利用解爆坐标系下的弹道模型，分析了8种主要因素对子弹落点参数和落点散布的影响，给出了估算子母弹落点散布半径的解析式。利用本模型计算的结果与标准值进行比较，证明所建模型是正确的。     

大型齿轮在多因素耦合影响下齿形误差测量的灰色动态预报

提出了一种旁置式的大型齿轮测量装置,分析了影响该装置测量精度的主要误差来源及其特性,给出了一种处理多因素耦合影响的灰色动态预报方法.首先,基于测量装置特性,对影响齿形误差测量精度的误差源进行分析和标定,计算出各误差源的灵敏度系数;然后对测得的有限误差数据进行再抽样及灰色生成,分别计算出在每次测量中各影响因素对测量结果的作用大小,之后按照误差合成方法生成误差源耦合作用结果;最后,通过在测量结果中去除耦合作用进而提高大型齿轮齿形误差测量精度.与测量精度为0.5μm的三坐标测量机进行对比测量,结果表明所提出测量装置能满足3级精度以上的大型齿轮齿形误差检测需求.     

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。     

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．