结合支持向量机和近邻法的太阳耀斑预报方法

• 作者: 崔延美 李蓉
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 支持向量机 核函数 最优分类超平面 预报因子 代表点
• 年，卷（期）: 2009,（15）
• 所属期刊栏目: 人工智能
• 页码范围: 3605-3607,3611
• 页数: 4页
• 分类号: TP183
• 字数: 4053字
• 语种: 中文

摘要

为了提高太阳耀斑预报模型的预报精度,提出了一种结合支持向量机和近邻法(SVM-KNN方法)的太阳耀斑预报方法.将太阳耀斑预报问题看作一个模式识别问题,在此基础上建立新的预报方法.选择太阳活动区的特征参量作为预报因子,如果活动区未来48小时发生大于等于M级耀斑标识为正例样本,未发生耀斑为反例样本,由这些样本组成训练集代入SVM训练算法构造了耀斑预报模型.通过输入活动区的特征参量值,预报模型使用SVM-KNN分类算法预报该活动区未来2天内是否发生太阳耀斑.模拟预报结果表明,新方法比使用SVM方法具有较高的报准率,可以应用到其它太阳活动预报领域.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李蓉	北京物资学院信息学院	16	25	3.0	4.0
2	崔延美	中国科学院空间科学与应用研究中心	15	22	3.0	3.0