基于深度学习的地球同步轨道高能电子积分通量预报模型研究

发布时间：2022-12-04 09:54

　　在磁暴恢复相期间,地球同步轨道处能量大于2Me V的高能电子通量通常会有急剧的升高,这种现象被称为高能电子通量增强事件。高能电子具有极强的穿透性,因此对在同步轨道运行的卫星而言,这类事件的发生将会构成致命的威胁。在本文中,我们将深度学习方法中的长短时记忆网络（Long short-term memory）应用到了同步轨道高能电子通量的预报建模中。该模型使用预报日之前连续五天的历史数据作为输入,实现了对高能电子积分通量提前一天的预报。研究中构造了两类预报模型,一类是基于高能电子日积分通量的预报模型,另一类则是基于高能电子小时积分通量的预报模型。在第一类模型中,我们使用了GOES-8,GOES-10,GOES-11和GOES-13四颗卫星观测的高能电子通量数据,选取的样本时间跨度为1999年1月1日至2016年12月31日。其中,将1999年至2007年和2011年至2016年的数据集划分为训练样本,而将2008年至2010年的数据集划分为测试样本。除了将传统的参量,包括太阳风速度和地磁指数,作为模型的输入外,我们还首次将磁层顶日下点距离这一参数作为模型的驱动因子。结果发现,在不同的样本集... 

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 引言
    1.1 研究背景与意义
    1.2 高能电子通量的预报现状
    1.3 本文的研究内容和结构
第2章 高能电子预报模型
    2.1 建模相关物理背景
        2.1.1 高能电子的观测特征
        2.1.2 高能电子的来源观点
        2.1.3 高能电子的加速及损失机制
    2.2 模型结果评价指标
    2.3 线性滤波法
        2.3.1 早期的线性预测滤波模型
        2.3.2 改进的REFM模型
    2.4 多元非线性拟合方法
        2.4.1 低能电子预报模型
        2.4.2 地磁脉动预报模型
    2.5 基于物理方程的方法
    2.6 机器学习方法
        2.6.1 基于传统神经网络的预报模型
        2.6.2 基于支持向量机的预报模型
    2.7 小结
第3章 深度学习建模方法
    3.1 深度学习背景
    3.2 时间序列建模
    3.3 深度学习方法
        3.3.1 标准的循环神经网络
        3.3.2 长短时记忆网络
    3.4 安装及调试环境
    3.5 小结
第4章 基于长短时记忆网络的高能电子积分通量预报模型
    4.1 数据
        4.1.1 数据来源
        4.1.2 数据标定
    4.2 统计分析
    4.3 相关性分析
    4.4 运用LSTM循环神经网络预报高能电子通量
        4.4.1 基于日积分通量的预报模型结果分析
        4.4.2 基于小时积分通量的预报模型结果分析
    4.5 小结
第5章 结论和展望
    5.1 本研究的主要结论
    5.2 未来工作的展望
参考文献
致谢


【参考文献】：
期刊论文
[1]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟.  计算机研究与发展. 2013(09)
[2]地球同步轨道高能电子通量预报方法研究[J]. 郭策,薛炳森,林兆祥.  空间科学学报. 2013(04)
[3]2010年4月地球同步轨道相对论电子增强事件分析[J]. 郑金磊,钟秋珍,陈良旭,刘四清,丁铸.  空间科学学报. 2012(04)
[4]基于支持向量机方法的地球同步轨道相对论电子事件预报模型研究[J]. 王任重,师立勤.  空间科学学报. 2012(03)
[5]时间序列预测模型研究综述[J]. 张美英,何杰.  数学的实践与认识. 2011(18)
[6]基于同步轨道区磁场对相对论电子通量的预报[J]. 芮磊,余鹏,赵华.  空间科学学报. 2011(02)
[7]利用地磁脉动预报地球同步轨道相对论电子通量的方法研究[J]. 何甜,刘四清,薛炳森,程永宏,龚建村.  地球物理学报. 2009(10)
[8]磁层相对论电子通量变化与磁暴/亚暴的关系[J]. 李柳元,曹晋滨,周国成.  地球物理学报. 2006(01)
[9]磁层压缩ULF湍流对电子的加速[J]. 李柳元,曹晋滨,周国成,刘振兴.  空间科学学报. 2005(01)
[10]地球同步轨道高能电子增强事件预报方法[J]. 薛炳森,叶宗海.  空间科学学报. 2004(04)

硕士论文
[1]基于经验正交函数的地球同步轨道高能电子通量预报模型研究[D]. 李胜.中国科学院国家空间科学中心 2016
[2]内辐射带高能质子分布及演化特征研究[D]. 秦慕荣.山东大学 2015



本文编号：3708041