太阳黑子数时间序列的分形研究及预测

本文应用非线性动力系统理论分析了１８９１年１月至１９９６年１２月间太阳黑子月平均数变化的动力行为及其可预测性·计算了它的分形维数（Ｄ＝３３±０２）·确定了预测的嵌入维数［２×Ｄ＋１］＝７；计算了Ｌｙａｐｕｎｏｖ指数（λ１＝０８６３），揭示了该系统的混沌特性；并计算了Ｋｏｌｍｏｇｏｒｏｖ熵（Ｋ＝００２６０），用以从理论上分析这组数据可预报的时间尺度·最后根据分析的结果。

对未来两个太阳周太阳活动参数的统计预测

利用支持向量机(Support Vector Machine,SVM)和后向传播(Back Propagation,BP)神经网络的方法,结合前23个太阳周期(1700—2008年)的周期特征数据,对第24和第25个太阳周的各个周期特征进行了预测,并且通过交叉验证算法得出两种方法都可达到最优。通过分析SVM与BP神经网络方法的预测结果,均表明第25个太阳周将会达到较强的强度,且大于第24个太阳周。此外,两种方法都预测出第25个太阳周的太阳黑子数在谷值年维持异常偏低,周期长度都会维持在10年左右。根据第24个太阳周已经过去的特征验证,BP神经网络的结果与实际情况更为接近,预测太阳活动在2020开始进入第25个太阳周,在2025年达到峰值,峰值年强度比第24个太阳周偏强。

利用神经网络预报短期电离层TEC变化

利用神经网络,基于IGS提供的(40°N,115°E)网格点TEC数据,本文构造了该点处提前一天的TEC预报模型。神经网络模型的预测目标是待预测日一天内的12个TEC数值。输入参数包括预测日前一日的太阳黑子数、地磁Kp指数、预测日前27天的太阳黑子数三角函数拟合参数,以及预测日前2天16个Kp指数的多项式拟合参数。实验结果表明训练后的神经网络模型可以反映出不同季节的TEC周日变化以及地磁暴情况下的TEC特征。