基于神经网络的太阳黑子面积平滑月均值预测

发布时间：2018-05-12 05:34

  本文选题：太阳活动 + 预测　； 参考：《大气科学学报》2012年04期

【摘要】：黑子面积数是表征太阳活动的重要物理量,准确预测黑子面积能为太阳活动研究、空间天气业务等提供重要参考依据。本文提出一种基于BP神经网络的黑子面积平滑月均值预测方法,利用第20个太阳周之前的数据对网络进行训练,建立预测模型。对第21个太阳周至今的数据进行预测试验,并考虑不同训练步长、预测步长对模型精度的影响。结果表明,该模型能准确逐月预测黑子面积,采用不同训练步长时相对误差均不超过5%,进行更长时间的预测,相对误差会逐渐增大。
[Abstract]:The number of sunspot area is an important physical quantity to characterize solar activity. Accurate prediction of sunspot area can provide an important reference for the study of solar activity and space weather business. In this paper, a prediction method of smooth monthly mean of sunspot area based on BP neural network is proposed. The data before the 20th solar cycle is used to train the network and establish a prediction model. The prediction experiments are carried out on the data from the 21st solar cycle up to now, and the influence of the prediction step size on the model accuracy is considered in consideration of the different training steps. The results show that the model can accurately predict the sunspot area month by month, and the relative error is not more than 5 when different training steps are used, and the relative error will gradually increase when the prediction is carried out for a longer period of time.
【作者单位】： 南京信息工程大学物理与光电工程学院;南京信息工程大学数学与统计学院;
【基金】：国家自然科学基金资助项目(41174165) 江苏省研究生科研创新基金项目(CXZZ11_0625;CXZZ12_0510)
【分类号】：P182.41

【参考文献】

相关期刊论文 前9条

1 张桂清;月平滑太阳黑子相对数的预报[J];地球物理学报;1989年01期

2 乐贵明,王家龙;太阳黑子相对数最强周期的小波分析[J];地球物理学报;2004年05期

3 赵海娟;王家龙;宗位国;唐云秋;乐贵明;;用径向基函数神经网络方法预报太阳黑子数平滑月均值[J];地球物理学报;2008年01期

4 王家龙,孙静兰,龚建村,张训械;用神经网络模型作太阳质子事件警报[J];中国科学(A辑);2000年S1期

5 王家龙;苗娟;刘四清;龚建村;朱翠莲;;第24太阳周太阳黑子数平滑月均值预报[J];中国科学(G辑:物理学 力学 天文学);2008年08期

6 龚建村,薛炳森,刘四清,邹自明,苗娟,王家龙;神经网络方法在太阳质子事件短期预报中的应用[J];空间科学学报;2003年06期

7 李可军,苏同卫,梁红飞;现代黑子观测的太阳黑子活动的周期性[J];科学通报;2004年24期

8 王家龙,张训械,黄泽荣;神经网络方法用于太阳质子事件警报[J];天体物理学报;1999年03期

9 丁刚;钟诗胜;;基于时变阈值过程神经网络的太阳黑子数预测[J];物理学报;2007年02期

【共引文献】

相关期刊论文 前10条

1 王全凤;郑浩;;基于径向基函数神经网络的高层建筑结构选型[J];四川建筑科学研究;2010年05期

2 张根耀,李竹林,赵宗涛;遮挡情况下运动目标的跟踪[J];安徽大学学报(自然科学版);2003年03期

3 陈弋兰;王鸣;孙书诚;;朴素贝叶斯分类器的误差估计[J];安徽工程科技学院学报(自然科学版);2008年04期

4 张红涛;胡玉霞;张恒源;顾波;;储粮害虫图像识别中的特征压缩研究[J];安徽农业科学;2008年27期

5 张昭;何东健;;基于计算机视觉的竹块颜色分类方法研究[J];安徽农业科学;2010年26期

6 汪洁;朱军;;基于Linux的中文垃圾邮件过滤系统设计与实现[J];安徽农业大学学报;2011年02期

7 苏科;陈志彬;;基于BP神经网络的车牌识别系统[J];辽宁科技大学学报;2010年05期

8 孙梁;郗安民;;LED芯片损坏和缺陷识别[J];半导体光电;2009年06期

9 张贵,乔春生;应用支持向量机回归确定岩体强度指标[J];北方交通大学学报;2004年01期

10 李翠霞,于剑;一种模糊聚类算法归类的研究[J];北京交通大学学报;2005年02期

相关会议论文 前10条

1 冯辅周;郭恒毅;江鹏程;;支持向量机及其在电机故障诊断中的应用[A];第九届全国振动理论及应用学术会议论文集[C];2007年

2 ;Intelligence Recognition of Reconnaissance Objective Based on INN Pattern Recognition[A];Proceedings of the 5th International Symposium on Test and Measurement(Volume 1)[C];2003年

3 李宝安;李艳平;;Img-Learning图像处理与模式识别教学实例学习系统[A];OA’2007办公自动化学术研讨会论文集[C];2007年

4 王克刚;耿国华;;基于小波平滑直方图的模糊聚类图像分割方法[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

5 陈晓钟;孙华燕;;基于更佳分辨率小波分解的图像纹理分类[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年

6 孙逸s，

本文编号：1877309