基于神经网络方法的Kp预报模型

《基于神经网络方法的Kp预报模型》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、V01．19No．270载人航天第19卷第2期2013年3月基于神经网络方法的Kp预报模型刘杨1，一，罗冰显1，刘四清1，龚建村1(1中国科学院空间科学与应用研究中心，北京100190；2中国科学院研究生院，北京100049)摘要为了更加准确地预报磁暴(Kp>5)的发生，充分利用ACE卫星积累的上游行星际条件的数据，以开磁通生成速率函数dq)Mp／dt和太阳风磁层粘滞作用项n1％2为主要输入参数，应用神经网络方法，构建了三个模型，预报三小时时段的Kp值。根据实际需要，这三个模型采用了不同的训练集构造方法和提前时间量。模型1输入当前的开磁通生成率，粘滞作用项，太阳风速度、密度，和行星际磁场总强度

2、、Bv分量、Bz分量，提前1～3．5h预报Kp；模型2在模型1的基础上加入Kp现报，提前1。3．5h预报Kp；模型3输入9小时延迟的开磁通生成率和粘滞作用项，当前的太阳风速度、密度，行星际磁场总强度、Bv分量、Bz分量，提前3小时预报Kp。对1998年、2002年和2006年的测试结果表明：三个模型的预测值与实测值之间的相关系数分别为0．88、O．90、0．85，预测的均方根误差分别为0．65、0．62、0．72。1引言关键词Kp指数；神经网络；能量耦合函数；中图分类号：V520．1P353．1文献标识码：AKp指数即“行星际3h磁情指数”，通过计算磁纬在48。和630之问的全球13个地磁台站

3、K指数的加权平均值得到。它与3h时段内地磁扰动有近似对数的关系，是衡量近地空间全球磁扰强度的重要指标之一。Kp指数每天8个值，从0到9共分28级：0，0+，1一，1，1+，2一，2，⋯，9一，9。1949年Barrels币0用早期的地磁观测资料最先引入Kp指数概念，现在能获得1932年之后长达70年无间断Kp数据，对研究日地空间环境极具价值。与Dst和AE指数不同，Kp并没有一个明显的电流体系与之相对应。统计结果表明，Kp指数与太阳风参数之间有很好的的相关性[1'21，如太阳风速度、密度和行星际磁场的南向分量等。Kp指数同样与近地空间的一些现象开磁通生成率；粘滞作用项文章编号：1674—582

4、5(2013)02—0070—11相关，如亚暴注入的位置、磁尾场线拉伸、等离子体片地向边界和等离子体层顶的位置等旺4J。在空间天气应用中Kp也具有重要的作用，很多磁层和电离层模型需要Kp作为输人参数，如Tsyganenko地磁场模型，大气密度模型，环电流辐射带模型和磁层顶规范预报模型等【51，OVATION模型需要输入Kp来确定椭圆极光带的赤道向边界问；另外可以根据估计Kp的增强对磁层电离层的粒子和电磁环境变化发布预警，能有效保护卫星和地面电力系统免受灾害性的破坏。作为全球地磁活动指数，Kp有自身的缺陷，通常最终公布的Kp会有数周的延迟，且Kp也不适用于研究较小时间尺度的问题。为了使Kp适用于

5、实时应用的需求，一些机构发展了现报和短期预报模型。如Gehred等和Takahashi等的Kp现报模型【7．8]，利用收稿日期：2012—08—28；修回日期：2013—02—25基金项目：国家重点基础研究计划项目(2012CB825606、2011CB811406)作者简介：刘杨(1986一)，男，硕士研究生，研究方向为空间环境预报。E-mail：yliul0@nssc．as．cn第2期刘杨等：基于神经网络方法的Kp预报模型71计算Kp的方法处理中磁纬地区几个地磁台站的实时数据得到Kp的估计值，虽然与最终的Kp不完全一致，但具有很好的实时性。基于人工神经网络发展的Kp短期预报模型，主要利用上

6、游太阳风数据和现报Kp值作为输入参数，最早能提前几个小时预报Kp值，主要模型有：Costello模型、Wing等的APL模型、Boberg等的和Bala等的模型H21。CME、CIR等到达地球时会引起强烈的地磁扰动，使得空间环境异常恶劣，严重影响人类活动和各种技术系统。虽然能实时监测太阳的爆发活动，大致预测扰动传播到地球的时间，但太阳风与磁层电离层的相互作用是十分复杂的非线性动态过程，很难准确地预测地磁暴(Kp>5)的发生。太阳风作为驱动磁层电离层系统的主要能量来源，能量输入的多少决定着系统的行为。利用统计方法得到的等效刻画能量输入的耦合函数主要有Perreault—Akasofu的占函数8=

7、vB。f‘sin。(0／2)、Stamper等的太阳风功率函数只、Newell等的开磁通生成速率函数dqDMp／dt=v“⋯BrZ‘sin～(舵)和Borovsky的向日面重联率函数s。等【13I。最近Lu．JY等用数值模拟的方法，首次定量描述了在不同太阳风条件下电磁能和动能的输入【14】。磁层电离层对太阳风能量输入的响应主要分为三种：直接驱动过程；加载卸载过程；两种过程同时存在mI。统计分析表明