典型文献
基于深度学习的太阳F10.7辐射通量的短期预报研究
文献摘要：
F10.7太阳辐射通量作为输入参数被广泛运用于大气经验模型、电离层模型等空间环境模型,其预报精度直接影响航天器轨道预报精度.采用时间序列法统计了太阳辐射通量F10.7指数和太阳黑子数(SSN)的关系,给出了两者之间的线性关系,在此基础上提出了一种基于长短时记忆神经网络(Long and Short Term Memory,LSTM)的预报方法,方法结合了54 d太阳辐射通量指数和SSN历史数据来对F10.7进行未来7 d短期预报,并与其他预报方法的预报结果进行了比较,结果表明:(1)所建短期预报7 d方法模型的性能优于美国空间天气预报中心(Space Weather Prediction Center,SWPC)的方法,预测值和观测值的相关系数(CC)达到0.96,同时其均方根误差约为11.62个太阳辐射通量单位(sfu),预报结果的均方根误差(RMSE)低于SWPC,下降约11％;(2)对预测的23、24周太阳活动年结果统计表明,太阳活动高年的第7dF10.7指数预报平均绝对百分比误差(MAPE)最优可达12.9％以内,低年最优可达2.5％以内;(3)联合SSN的LSTM结果和仅使用单变量F10.7的LSTM结果对比显示,新引入的SSN在改进LSTM预测方面是有效的,并且这两个模型的RMSE较SWPC分别低约11％和5％.
文献关键词：
太阳:射电辐射;太阳:黑子;方法:数据分析
中图分类号：
作者姓名：
高扬;吕建永;王明;李婧媛;熊雅婷;彭光帅
作者机构：
南京信息工程大学空间天气研究所 南京210044
文献出处：
引用格式：
[1]高扬;吕建永;王明;李婧媛;熊雅婷;彭光帅-.基于深度学习的太阳F10.7辐射通量的短期预报研究)[J].天文学报,2022(01):104-114
A类：
SWPC,7dF10
B类：
短期预报,太阳辐射,输入参数,经验模型,电离层模型,空间环境,环境模型,预报精度,航天器,轨道预报,时间序列法,法统,太阳黑子数,SSN,长短时记忆神经网络,Long,Short,Term,Memory,预报方法,历史数据,方法模型,空间天气预报,Space,Weather,Prediction,Center,观测值,CC,sfu,RMSE,太阳活动,统计表,指数预报,平均绝对百分比误差,MAPE,结果对比,射电辐射
AB值：
0.349604
相似文献
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。
