利用NARX神经网络由IMF与太阳风预测暴时SYM-H指数
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 <-200 nT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-34 nT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120 min)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.
磁暴、SYM-H指数、空间天气、模式预测、人工神经网络
40
P4(大气科学(气象学))
教育部博士学科点专项科研基金200804860012
2011-05-16(万方平台首次上网日期,不代表论文的发表时间)
77-84