基于神经网络的AE、AL指数预报方法研究

【摘要】： 磁层亚暴活动反映了磁层和太阳风相互耦合作用的过程,对亚暴活动的研究是日地物理研究中的重要课题。磁层亚暴的预报是人类空间环境预报的一个重要组成部分。通常用地磁活动指数AE,AL等监测亚暴时极区的磁扰动过程。因而,AE、AL等亚暴指数也是空间环境预报的重要指标量。用诸如非线性滤波器、神经网络等数学模型,对亚暴指数做出定量的预测,是亚暴预报的一个非常重要的前提工作。 本文讨论了太阳风能量向磁层的输运并最终触发磁层亚暴的过程。行星际磁场的南向旋转往往会引发持续的磁层亚暴活动,并引起亚暴指数的急剧变化。太阳风和行星际磁场的特征参数的变化对磁层亚暴指数的变化产生了重大的影响,这是能够预测亚暴指数的一个重要物理理论依据。历史上,根据行星际磁场和太阳风的观测资料对磁层活动进行预测,是人们比较感兴趣的问题。 人工神经网络作为人工计算智能和机器学习研究的最活跃的分支之一,具有强大的计算功能。其中,BP(back propagation)神经网络是目前应用最广泛的神经网络模型,在数据预测方面具有很大的应用价值。 本文选择构造一种全联接的BP神经网络作为预报工具,从我国空间环境预报的要求出发,选取了更新和更可靠的数据源。利用行星际磁场的By分量、Bz分量、太阳风速度V和太阳风质子浓度n作为网络的预报参量,预测AE指数和AL指数。 预报结果表明,本文所构造的全联接神经网络预测结果较好,网络模型基本上都可以预报出亚暴指数的走向趋势,在定量地预报指数值方面具有较高的准确性。分析选取的太阳风和行星际磁场的四个预报参量(By,Bz,v,n)与亚暴指数变化的相关性非常明显,网络预报结果显示可达86%以上。同时指出,持续一定时间的太阳风和行星际磁场的状况对以后某一个时间点的亚暴指数产生影响,引入了参量时序输入的训练过程,考察了20min,40min和60min的输入时序。随着时序延长,网络模型的预报性能逐步提高,分析认为影响亚暴指数的太阳风的持续时间在1个小时左右。网络预报提前时间是50—80min,具有实际的预报应用价值。