基于广义回归神经网络的行星际/太阳风参数和地磁指数的紫外极光强度建模

发布时间：2023-02-07 07:10

　　极光卵极光强度的空间分布是太阳风-磁层-电离层能量耦合过程的重要表现,并且随着空间环境参数和地磁指数的变化而变化,是空间天气的重要指示器.建立合适的极光强度模型对亚暴的预测以及磁层动力学的研究具有重要意义.本文基于Polar卫星的紫外极光成像仪(Ultraviolet Imager,UVI)数据,采用两种不同的极光强度表征方法,即曲线拟合方法(从UVI图像数据中提取极光强度沿磁余纬方向上的曲线特征,Curve Feature along the Magnetic Co-latitude Direction of the Auroral Intensity,CFMCD_AI)和网格化方法(从UVI图像数据中提取极光强度的网格化特征,Gridding Feature of the Auroral Intensity,GF_AI),来构造极区极光强度特征数据库.然后,利用该数据库,采用广义回归神经网络(Generalized Regression Neural Network,GRNN)构建了以行星际/太阳风参数(行星际磁场三分量、太阳风速度和密度)和...

【文章页数】：13 页

【文章目录】：
0 引言
1 数据和方法
    1.1 数据来源及简介
    1.2 紫外极光强度特征提取
        1.2.1 CFMCD＿AI特征的提取
        1.2.2 GF＿AI特征提取
2 GRNN神经网络及其极光强度建模
    2.1 GRNN神经网络
    2.2 基于GRNN＿CFMCD＿AI的极光强度建模
    2.3 基于GRNN＿GF＿AI的极光强度建模
3 实验结果与分析
    3.1 主观评价结果
    3.2 客观评价结果
5 结论



本文编号：3736635