利用NARX神经网络由IMF与太阳风预测暴时SYM-H指数

被引：11

作者：

蔡磊

马淑英

蔡红涛

周云良

刘若思

机构：

[1] 武汉大学电子信息学院空间物理系,地球空间环境与大地测量教育部重点实验室

来源：

中国科学(技术科学) | 2010年 / 01期

关键词：

SYM-H指数; 空间天气; 模式预测; 人工神经网络;

D O I：

暂无

中图分类号：

P318.22 [];

学科分类号：

摘要：

SYM-H是一个重要的空间天气指数,它与Dst指数相似,是磁暴强度的表征,但SYM-H具有更高的时间分辨率.本文发展了一种具有输出时延反馈的非线性自回归神经网络(NARX)预测模式,由太阳风和IMF参数预测暴时SYM-H指数的变化.与BP网络和Elman网络相比,预测效果显著改善.用15个强磁暴(含5个Minimal SYM-H<-200nT的超强磁暴)进行检验,预测与实测SYM-H指数的相关系数总体达到0.91;对于5个超强磁暴,相关系数最低为0.91,相应的磁暴为2001年3月最小SYM-H达-434nT的磁暴,对两个SYM-H小于-300nT的磁暴预测相关系数分别达0.93和0.96.在NARX网络中将适当长度(约120min)的SYM-H指数输出,反馈给网络外部输入,即输入中包含环电流内部准实时与历史状态信息,是使模式预测能力在已有基础上得以大大提高的关键;说明除了行星际的直接驱动之外,环电流自身状态对磁暴的发展变化,特别是对于恢复相过程有重要作用,在利用神经网络对环电流指数进行预测时必须恰当地加以考虑.

引用

页码：77 / 84

页数：8

共 4 条

[1] An empirical relation to correct storm-time thermospheric mass density modeled by NRLMSISE-00 with CHAMP satellite air drag data[J] . Y.L. Zhou,S.Y. Ma,H. Lühr,C. Xiong,C. Reigber.Advances in Space Research . 2008 (5)
[2] Ring Current Dynamics[J] . Ioannis A. Daglis.Space Science Reviews . 2007 (1)
[3] Geomagnetic Dst index forecast based on IMF data only[J] . Pallocchia G.,Amata E.,Consolini G.,Marcucci M. F.,Bertello I..Annales Geophysicae . 2006 (166)
[4] Operational forecasts of the geomagnetic Dst index[J] . H. Lundstedt,H. Gleisner,P. Wintoft.Geophys. Res. Lett. . 2002 (24)

← 1 →