利用卡尔曼滤波技术提取地磁规则日变化

地磁规则日变化的有效提取能够提高地磁活动指数现报的准确性.本文基于1998—2013年北京十三陵(BMT)台站的地磁数据,利用卡尔曼滤波(KF)方法提取了地磁场规则日变化(S_R)曲线.该方法提取的S_R曲线具有明显的逐日变化特征,能够准确反映S_R曲线的季节变化和地方时效应.根据KF方法得到的S_R日变幅度逐日变化的结果,改进了K指数的量算方法,重新计算了十三陵台站的K指数以及Ak指数,并分析了S_R日变幅度的逐日变化对K指数量算的改进程度.分析结果表明,当K≤3时,KF方法可以较好地改善S_R曲线扰动幅度的计算,提高了地磁规则日变化提取的有效性,从而改进相应的地磁活动指数的量算.

一种基于径向基神经网络的地磁场K指数实时标定方法

K指数是一种重要的地磁活动指数,标定K指数的难点在于规则日变化S_R的确定,尽管FMI(FinnishMeteorological Institute,芬兰气象学院)方法能够比较准确地识别规则日变化S_R,给出合理的K指数,但是该方法存在一天的延迟,无法实现实时标定.为了解决这一问题,本文提出了一种基于径向基神经网络的K指数实时标定方法:首先用修正后的FMI方法提取H分量的时均值序列,接着以径向基神经网络对该序列进行建模,最后基于神经网络模型实时获取规则日变化,并结合H分量分均值观测数据标定K指数.实验结果表明:该方法能够以3.8598 nT的标准误差实时获取规则日变化S_R;实时标定的K指数与直接用FMI-H方法延迟一天标定的K指数相比,完全吻合的占69.8%,差别大于一个标度的仅占0.77%.

基于多日地磁场数据的K指数现报

基于连续27天地磁平静时地磁场H分量提取磁场规则日变化曲线,对2011-2013年佘山和北京台的地磁K指数进行现报,将计算结果（Know）与中国地磁台网公布的K指数（Kobs）以及FMI方法结果（Kfmi）、Kp指数进行了比较.去除∣Kobs-Kp∣≥4数据后的分析结果表明：Know与Kobs、Kfmi有较好的一致性,与Kobs、Kfmi完全吻合的比例分别可达53.5%和63.8%,序列差值在1个标度之内比例为94.7%和98.1%;现报方法所计算的K指数能给出即使是轻微程度的地磁扰动,在5-8高K区Know与Kobs、Kfmi有很好的吻合性,由于忽略了磁场日变化,0-2 K区的Know结果偏高;与佘山台和北京台的K指数相比,Kp处于0-1低K区的频率远高于K指数,对应Kp≥5的佘山台98.3%和北京台96.6%的Kobs小于等于Kp指数;佘山台Kobs指数与同时刻加权平均的Kp指数吻合较好,北京台的Kobs、Kfmi和Know高于Kp,利用修正后三小时扰幅计算的北京台K指数与Kp吻合度提高.