基于RBF人工神经网络的X级以上太阳耀斑预报研究

被引：4

作者：

裴世鑫 ^{[1
,2
]}

李仲怡 ^{[1
]}

崔芬萍 ^{[2
]}

朱漪婷 ^{[1
]}

机构：

[1] 南京信息工程大学数学与统计学院

[2] 南京信息工程大学物理与光电工程学院

来源：

西北师范大学学报(自然科学版) | 2014年 / 50卷 / 06期

关键词：

空间天气; 太阳耀斑; RBF人工神经网络; 预报;

D O I：

10.16783/j.cnki.nwnuz.2014.06.006

中图分类号：

P182 [太阳物理学]; TP18 [人工智能理论];

学科分类号：

070403 [天体物理学]; 140502 [人工智能];

摘要：

采用第23太阳活动周X级以上耀斑的数据,通过回归分析、Gauss拟合和RBF人工神经网络等方法对X级以上耀斑进行预报研究.结果表明,将黑子群的位置、卡灵顿经度、耀斑爆发时间与黑子群达到最大面积的时间关系、每7d黑子群的最大面积、太阳耀斑流量的积分值、CME速度和F10.7射电流量7个预报因子作为参量对RBF人工神经网络预报模型进行训练,训练后建立的RBF模型的输出结果和训练数据的相关系数高达98%,对耀斑强度的预报结果与观测结果的误差在0.5以内,预报模型符合耀斑短期预报的要求.

引用

页码：26 / 32

页数：7

共 9 条

[1]

暂现活动区磁流浮现与磁场位型的关系 [J].

裴世鑫 ;

袁润娥 ;

宗位国 ;

周树信 .

西北师范大学学报(自然科学版), 2013, 49 (04) :46-51

[2]

一种基于径向基神经网络的地磁场K指数实时标定方法 [J].

齐玮 ;

王秀芳 ;

李夕海 ;

刘代志 .

地球物理学报, 2010, 53 (01) :147-155

[3]

太阳活动区参量与太阳耀斑和太阳质子事件的相关性统计分析 [J].

李蓉 ;

崔延美 ;

贺晗 .

科学技术与工程, 2009, 9 (15) :4287-4291

[4]

Automatic short-term solar flare prediction using machine learning and sunspot associations [J].

Qahwaji, R. ;

Colak, T. .

SOLAR PHYSICS, 2007, 241 (01) :195-211

[5]

The influence of active region information on the prediction of solar flares: an empirical model using data mining.[J].Núñez M.;Fidalgo R.;Baena M.;Morales R..Annales Geophysicae.2005, 165

[6]

Proton events and X-ray flares in the last three solar cycles [J].