典型文献
基于机器学习相似度算法的Kp指数预报
文献摘要：
基于机器学习中的相似度算法,建立了在历史太阳风数据中寻找与当前太阳风特征相近事例的推荐模型,用来预报地磁Kp指数.使用1998-2019年间随机选择的120个太阳风事例作为测试数据集,该模型能够推荐得到历史上与输入太阳风造成相似地磁影响的太阳风事例,最优事例的Kp指数与实际值的均方根误差为0.79,相关系数为0.93.本文的推荐模型不仅能获得推荐的太阳风事例的地磁Kp指数用作预报,还可以给出太阳风特征参数按时间序列变化情况对比,让预报员可以更好地结合自身经验进行预报.
文献关键词：
太阳风;机器学习;相似度算法;地磁Kp指数;预报
中图分类号：
作者姓名：
王子思禹;师立勤;刘四清;钟秋珍;陈艳红;闫晓辉;石育榕;何欣燃
作者机构：
中国科学院国家空间科学中心 北京 100190;中国科学院大学 北京 100049;中国科学院空间环境态势感知技术重点实验室 北京 100190
文献出处：
引用格式：
[1]王子思禹;师立勤;刘四清;钟秋珍;陈艳红;闫晓辉;石育榕;何欣燃-.基于机器学习相似度算法的Kp指数预报)[J].空间科学学报,2022(02):199-205
A类：
B类：
基于机器学习,相似度算法,Kp,指数预报,太阳风,事例,推荐模型,地磁,随机选择,测试数据,似地,按时,预报员,身经
AB值：
0.238314
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
