利用支持向量机预测大磁暴期间Dst指数的变化

• 作者: 吕建永 彭宇翔 顾赛菊
• 来源期刊: 空间科学学报
• 学科: 地球科学
• 关键词: 支持向量机 预测 地磁暴 Dst指数
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 日球层物理与太阳系探测
• 页码范围: 866-874
• 页数: 9页
• 分类号: P353
• 字数: 5135字
• 语种: 中文
• DOI: 10.11728/cjss2016.06.866

摘要

利用支持向量机(SVM)模型对大磁暴期间Dst指数进行预报研究.以1995-2014年期间的80次大磁暴(Dst≤-100 nT)事件共2662组观测数据为研究对象,以对应时间的太阳风参数为模型输入参数,同时建立了神经网络模型和线性机模型进行对比,并利用交叉验证提高预测结果的可靠性.为比较不同模型的预测效果,选用相关系数(CC)、均方根误差(RMS)、磁暴期间Dst指数最小值预测结果的平均绝对误差以及Dst指数最小值出现时间预测结果的平均绝对误差等统计量作为对比参数,结果显示SVM模型的预测效果最好,其中相关系数为0.89,均方根误差为24.27 nT,所有磁暴事件的最小Dst值预测平均绝对误差为17.35 nT,最小Dst值出现时间的预测平均绝对误差为3.2h.为进一步检验模型对不同活动水平磁暴预报效果的可能差异,将所有磁暴事件分为大磁暴(-200＜Dst≤-100 nT)和特大磁暴(Dst≤-200 nT)两组进行预测,发现两组事件的预测效果依然是SVM模型最好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕建永	南京信息工程大学数学与统计学院	12	11	3.0	3.0
2	顾赛菊	南京信息工程大学数学与统计学院	3	30	2.0	3.0
3	彭宇翔	南京信息工程大学数学与统计学院	2	1	1.0	1.0