基于神经网络的Kp指数预报方法研究

《基于神经网络的Kp指数预报方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号．UDC中国科学院大学硕士学位论文密级——编号——刘杨指导教师割四渲巫塞旦墅述量助堡巫塞虽史垦科堂院空间科堂皇廑旦巫塞生!坠申请学位级别堡堂亟±学科专业名称窒闻堑堡论文提交日期2Q呈圣生垒旦论文答辩日期垄Q呈兰生§旦培养单位主国科堂陵窒间型堂皇应用巫塞史!坠学位授予单位生国整堂陵太堂答辩委员会主席ADissertationSubmittedfortheDegreeofMasterofScienceinUniversityofChineseAcademyofSciencesKOforecastmodelsbasedonn

2、euralnetworksYangLiuSupervisor：ProfessorSiqingLiuAssistantprofessorBingxianLuoCenterforSpaceScienceandAppliedResearch，ChineseAcademyofScience，BeiJing，100190Apt2013独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含任何其他人己发表或撰写过的材料，也不包含为获得其它教育机构的别种

3、学位或证书而大量使用过的材料。与我一同工作的人对本研究所做的任何贡献己在论文中作了明确的说明并表示谢意。签名：毒啦L_日期．书皿关于论文使用授权的说明本人完全了解培养单位有关保留、使用学位论文的规定，即：培养单位有权保留送交论文的复印件，允许论文被查阅和借阅；培养单位可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。日期：兰!兰：亟：左二摘要地磁暴是重要的灾害性空间天气事件之一，对地面电力系统、通讯系统、输油管道和卫星姿态等有重要影响。地磁暴的预报，尤其是Kp超过5的情况，是空间环境预报的重要内容。在现

4、有的地磁暴的统计规律和预报方法的研究基础上，本文采用广泛应用的神经网络方法，利用ACE卫星的积累的行星际条件数据，预报未来三小时时段内的Kp值，对即将发生的磁暴发出预警。借助于太阳风磁层电离层耦合函数来描述从行星际空间输入到地球空间的能量，同时考虑到磁层电离层的响应时间以及能量的存储消耗，将开磁通量生成速率函数、似粘滞作用函数和太阳风参数一起加入到神经网络中来，构建了三个Kp指数的短期预报模型。根据实际需要，三个模型采用了不同的训练集构造方法。模型1输入当前的开磁通生成率，粘滞作用项，太阳风速度、密度，和行星际磁场总强度、B

5、y分量、Bz分量，提前1．3．5小时预报Kp；模型2在模型l的基础上加入Kp现报，提前1．3．5小时预报Kp；模型3输入9小时延迟的开磁通生成率和粘滞作用项，当前的太阳风速度、密度，行星际磁场总强度、By分量、Bz分量，提前3小时预报Kp。对处于同一太阳活动周不同阶段的1998年、2002年和2006年的测试结果表明：三个模型的预测值与实测值之间的相关系数分别为O．88、O．90、0．85，预测的均方根误差分别为O．65、O．62、O．72，模型的预报效率分别为0．78、O．80、0．73。通过本文的模型1和模型3与JHU／

6、APL模型对比发现，在不加入现报Kp而仅利用太阳风参数预报Kp时，预报效果有所提高，预报时间量显著增大，证明了能量耦合函数的引入效果明显。对具体磁暴发展演化的测试也表明，Kp预测值与实测值基本符合。综上，以太阳风磁层电离层耦合函数为主要输入参数的Kp指数预报模型取得了较好的预报效果，具有实际应用价值，对地磁暴的预报有非常大的参考价值。关键词：I印指数，神经网络方法，能量耦合函数，开磁通量生成速率函数，似粘滞作用函数AbstractAstechnologyadvances，spaceweatherpredictionhasbe

7、comeincreasinglyimportanttoournation’Sdefense，commerce，andresearchactivities．Forexample，spaceweathercanaffectcommunications，navigationsystems，satellitehealth，power鲥ds，andspacetravel．Kpisaglobalgeomagneticdisturbanceindexanddifficulttopredict．EspeciallywhenKpreaches

8、5，thedisturbancehasreachedthelevelofgeomagneticstorm，whichmaycausespacecmffsandpowersystemanomaly．Manystudieshaveshownthatthereexistsahighcorrela