地磁Ap指数与太阳黑子数的交叉小波分析及R/S分析

利用1932～2009年间的地磁Ap指数和太阳黑子数资料,用交叉小波方法和R/S方法分析了地磁Ap指数和太阳黑子数的关系。分析结果表明,①地磁Ap指数和太阳黑子数在高频段上显著带的形状有一定程度的相似性,具有显著和稳定的8.02～11.35 a的振荡周期;在低频部分,地磁Ap指数和太阳黑子数4～6月的周期变化不连续,仅在部分年份通过了95%的红噪声检验。②地磁Ap指数和太阳黑子数在8.02～11.35 a的频段上具有显著的共振周期,且在此频段上地磁Ap指数落后太阳黑子数1.5 a左右稳定的相位变化。地磁Ap指数和太阳黑子数在低频部分存在4～6月共振周期,但二者的位相关系不稳定。③地磁Ap指数和太阳黑子数时间序列的Hurst指数分别为0.79和0.81,表明地磁Ap指数和太阳黑子数都是持续的时间序列,且未来的变化将持续过去的变化趋势,具有长期记忆性和混沌特征。

用径向基函数神经网络方法预报太阳黑子数平滑月均值

简单介绍了径向基函数神经网络方法的原理和应用,发展了用径向基函数(RBF)对平滑月平均黑子数进行预报的方法.用不同的数据序列对网络进行训练,对未来8个月的平滑月平均黑子数进行预报.用该方法对第23周开始后的平滑月平均黑子数进行逐月预报,并与实测值进行比较,结果表明随着预报实效的延长预报误差被逐渐放大,该方法可以较准确地做出未来4个月的预报,绝对误差可以控制在20以内,标准差为4.8,相对误差控制在38%以内,大部分相对误差不超过15%(占总预报数的89%),具有较好的应用价值.用于网络训练的样本数量对预报结果会产生一定的影响.

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。

太阳黑子数时间序列的奇异谱分析和小波分析

本文对小波变换和奇异谱分析方法进行了简要介绍,对离散小波的分解和重构、奇异谱分析的重构进行了详细阐述。结合太阳黑子数1749年至2007年3月期间的月平均值时间序列进行了小波变换的分解和重构及SSA方法的重构,提取了其主要的周期特性,并对两种分析方法进行了比较。

太阳黑子数与电离层TEC的相关性分析

为了研究电离层TEC与太阳黑子数在短周期上的相关关系,采用1997～2004年的太阳黑子数资料与同期厦门站的电离层TEC数据,利用小波功率谱分析的方法提取3个尺度的短周期,并利用小波相干谱的方法重点研究了两者在27.8d周期上的相关性。研究表明:太阳黑子数和电离层TEC主要存在准27d、准半年周期以及年周期等短周期,而且电离层TEC和太阳黑子在准27d周期上有良好的相关性。位相计算表明,电离层TEC的变化滞后于太阳黑子数2～3d。厦门地区TEC与太阳活动的相关性在夏季比其他季节更强,这对提高该地区电离层TEC预报精度有很大意义。

太阳黑子数及Ap指数周期变化特征的小波分析

应用Morlet小波变换方法从多个变化尺度上对1932-2000年的太阳黑子数及Ap指数的变化特征进行分析. (1)太阳黑子数存在准11年、准32年的周期变化特征及Ap指数存在准32年、准11年、准6个月、准27天和准13.9天的周期变化特征;(2)太阳黑子数及Ap指数有着相似的准11年周期变化,但Ap指数极值的出现要比太阳黑子数极值出现滞后1-2年; (3)AP指数准27天的周期变化在太阳黑子活动高、低年不同,在太阳活动低年,Ap指数有着较稳定的准27天周期变化,但在太阳活动高年, 27天的周期变化几乎消失,这种周期变化的消失和出现时间可在Morlet小波变换图中体现出来.

基于混沌理论的太阳黑子数时间序列预测

研究基于最大Lypunov指数的预测方法在太阳黑子数时间序列预测中的应用,并在原方法中运用Wolf算法对原方法进行了改进.预测结果表明,改进后的方法比原方法和用回归模型预测的方法有更高的精度.

太阳黑子数时间序列的R/S分析

对估算HURST指数的R/S(重标极差)分析法做适当的改进,突破时间序列的长度是合数的限制,使得改进的R/S分析法更具有普遍适用性.比较两种方法计算月均太阳黑子数的HURST指数,发现用改进的R/S分析法比R/S分析法得到的HURST指数稍小点,两种方法均表明太阳黑子数时间序列具有长期记忆性.

利用太阳黑子数变化趋势预测巴彦淖尔市降雹等级

对1959—1998年巴彦淖尔市降雹成灾实况进行等级划分,分为1、2、3级即重灾年、中等灾年、轻灾年。利用1958—1997年太阳黑子数资料,找出前一年太阳黑子数年变化趋势与当年降雹等级对应关系的10年周期、12年周期及历年的变化规律,从而建立了3种预测降雹等级的方法。然后将前一年的太阳黑子数变化趋势代入3种预测方法中,得出当年降雹等级的3种预测结果,最后将3种预测结果进行集成处理,得出巴彦淖尔市降雹成灾等级。

第23周不同角宽CME的分布及与太阳黑子数位相的比较

统计分析了1996—2008年期间CME数量随角宽的分布.将几个典型角宽的CME数量随时间变化的特征与太阳黑子数随时间变化特征进行比较.分析结果表明,角宽为0°～180°的CME占CME总数的95%以上,全晕CME占2.83%,角宽301°～359°的CME数量非常少.角宽0°～60°的CME有三个峰值,与太阳黑子数随时间变化的特征不吻合.角宽为121°～180°CME的数量无双峰分布.全晕CME的分布具有明显的双峰结构,第一个峰值出现在2001年,第二个峰值出现在2005年,与太阳黑子数的变化不同步.

小波分解与AR结合预测太阳黑子数的研究

简单介绍了小波与AR模型原理,采用小波分解与AR模型相结合的方法对月平滑太阳黑子数进行预测。对594个月的数据序列进行小波分解重构,对分解后的信号用EViews软件进行自相关函数和偏相关函数分析,再分别对各重构信号建立相应的AR模型,进而对未来6个月的月平滑太阳黑子数进行预测,取得了较好的预测结果。

太阳黑子数的ARIMA模型

从比利时皇家天文台(the Royal Observatory of Belgium)的太阳黑子指数数据中心(the Sunspot Index Data center)的网站获得了1700—2013每年的太阳黑子数的数据。利用R软件结合时间序列建模方法对观测值进行了分析和建模,并利用该模型对未来的太阳黑子数进行了预测。

太阳黑子数的PSO-RBF预测模型

为了提高RBF神经网络预测太阳黑子数的准确度,本文采用一种基于粒子群算法优化RBF神经网络预测模型。利用粒子群算法优化RBF神经网络的初始参数,并将其用于太阳黑子数月均值的预测。将实验结果与传统RBF神经网络预测模型预测结果进行比较,结果表明,该方法收敛快速、预测精度明显提高,表明了PSO-RBF预测模型在太阳黑子数预测中的有效性。

太阳常数与太阳黑子数关系的交叉小波分析

利用1976～2006年间的太阳常数观测资料和小波方法分析了太阳常数的演变规律及其与太阳黑子数的关系.连续小波分析结果表明,太阳常数具有多尺度的演变特征.在低频部分,太阳常数与太阳黑子数的变化大体一致,具有显著和稳定的8～11.4年的振荡周期;在高频部分,无论是太阳常数,还是太阳黑子数,仅在太阳周的峰值时期才表现出2～6月的间歇性显著振荡周期.交叉小波分析结果表明,太阳黑子数与太阳常数在8～11.4年的频段上具有显著的共振周期,且在此频段上太阳黑子数的变化略超前于太阳常数变化约2个月.在此时间尺度上,太阳黑子数的变化是导致太阳常数周期性变化的主要原因之一.在2～6月的频段,太阳黑子数与太阳常数仅在太阳周的峰值期才存在显著的共振周期,但二者的位相关系不稳定.在考虑太阳黑子数与太阳常数位相关系的条件下,建立太阳常数的重建模型并进行了检验;最后重建了1878～1975年逐月的太阳常数时间序列.

太阳黑子数平滑月均值的混合预测模型

提出一种太阳黑子数平滑月均值的混合预测模型.通过最大Lyapunov指数得到太阳黑子数平滑月均值时间序列的最大可预测周期,结果表明太阳黑子数平滑月均值序列的最大可预测周期为42个月.太阳黑子数平滑月均值时间序列中包含着线性与非线性的成分,利用自回归滑动平均模型对线性成分进行预测,将太阳黑子数平滑月均值的实际值与自回归滑动平均模型的预测值作差值得到仅含有非线性成分的残差序列,利用具有良好非线性预测能力的回声状态网络预测残差序列,并通过人工蜂群算法来确定回声状态网络预测模型的最佳参数.将自回归滑动平均模型预测值与回声状态网络预测的残差相加,得到太阳黑子数平滑月均值的最终预测值.通过第23太阳活动周的太阳黑子数平滑月均值的预测表明提出的预测模型具有较高的预测精度.同时,对第24太阳活动周的太阳黑子数平滑月均值进行了预测,结果表明第24太阳活动周将在2020年2月结束.

基于时变阈值过程神经网络的太阳黑子数预测

太阳黑子活动直接影响着外层空间环境的变化,为保证航天飞行任务的安全必须对其进行有效预测.为此,提出了一种基于时变阈值过程神经网络的时间序列预测模型.为简化模型的计算复杂度,开发了一种基于正交基函数展开的学习算法.文中分析了模型的泛函逼近能力,并以Mackey-Glass时间序列预测为例验证了所提模型及其学习算法的有效性.最后,将该预测模型用于太阳活动第23周太阳黑子数平滑月均值预测,取得了满意的结果,应用结果同时表明:所提预测方法与其他传统预测方法相比预测精度有所提高,具有一定的理论和实用价值.

用数字信号处理方法分析太阳黑子活动的周期性

太阳黑子数是描述太阳活动水平的主要指标,太阳活动直接影响人类健康和人类赖以生存的环境—地球;依据数字信号处理原理,采用多种处理方法,分析处理了1770-1869年的太阳黑子数年均值;得出了太阳黑子存在11-12年周期的结论.结果表明该方法对研究太阳活动规律乃至天体规律是有效的.

太阳黑子相对数平滑月均值多尺度周期分析

集合经验模态分解(Ensemble Empirical Mode Description,EEMD)方法是一种有效提取非线性非平稳时间序列周期的方法。本文采用EEMD及功率谱分析方法对最近267年的太阳黑子相对数平滑月均值记录进行分析,捕捉到了约5~6a、约11a、约22a、约45~55a、约100a和约200a等准周期及其振幅变化过程,其中,约11a周期贡献最大,约45~55a周期及约100a周期次之,其它短周期贡献不容忽视。

太阳黑子数对电离层总电子含量的影响

针对太阳活动影响电离层变化的问题,该文利用2000年到2020年太阳黑子数和IGS组织提供的全球电离层总电子含量(TEC)格网数据,借助数理统计、相关系数及时间序列等方法,研究了太阳黑子数与电离层TEC之间的关系。实验结果表明:(1)两者之间的相关性具有分段变化的性质,分段变化由太阳黑子数的临界点L决定,因此确定了太阳黑子数与TEC日均值相关性的分段函数,并给出了太阳黑子数临界点L;(2)太阳黑子数的变化会引起电离层TEC值的变化,而这个变化具有1~3 d的滞后性,其中电离层TEC日均值滞后于太阳黑子数2 d最为明显;(3)太阳黑子数和电离层TEC值具有明显的相关性,但太阳黑子数与电离层TEC值之间年相关性强弱不均。

太阳黑子数的秘密

北宋文学家苏轼曾用"阴晴圆缺”来描写月亮,其实太阳也有阴晴圆缺。比如日食的时候,明亮刺眼的太阳圆盘被月球遮住一块,这时如果戴上专用的日食眼镜去看,我们就会发现此时的太阳缺了一块,甚至变成了弯弯的月牙形。当然,在没有日食的时候,太阳也不是完美无瑕的,日面上经常会出现一些黑点,这就是太阳黑子。月亮的圆缺变化周而复始,太阳上黑子的数目也有时多有时少。人类花了几千年的时间,才逐渐揭开太阳黑子数的秘密。