基于神经网络的磁平静期赤道电集流预测

摘要

利用BP神经网络技术分别对2008年后磁平静期印度扇区、秘鲁扇区以及CHAMP卫星的赤道电集流(EEJ)变化进行预测,其中神经网络训练数据为对应的2000-2007年磁平静期EEJ观测数据,输入参量为天数、地方时、太阳天顶角、太阳活动指数(F10.7)、太阴时以及卫星地理经度,输出参量为EEJ.对EEJ预测结果进行了统计学分析,并且与实际观测结果进行对比.结果 表明:BP神经网络对事件中EEJ的变化具有很好的预测能力,预测结果能够反映EEJ的重要分布特征;EEJ预测值与观测值之间具有很好的相关性,其中地磁台站观测值与预测值相关性系数可达85％以上.此外,将BP神经网络模型的预测结果与Yamazaki提出的经验模型结果进行对比,结果显示BP神经网络与其经验模型性能相当.研究结果表明,BP神经网络技术在平静期EEJ变化预测方面性能优异,具有良好的应用前景.