LSTM神经网络在太阳F10.7射电流量中期预报中的应用

• 作者: 朱亚光 杨升高 杨旭 王西京 钟秋珍
• 来源期刊: 空间科学学报
• 学科: 地球科学
• 关键词: F10.7 LSTM神经网络 中期预报
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 空间物理——行星际与磁层
• 页码范围: 176-185
• 页数: 10页
• 分类号: P353
• 字数: 6127字
• 语种: 中文

摘要

F10.7指数作为大气密度经验模型的重要输入参量,其预报精度直接影响航天器轨道预报精度.研究发现,太阳活动表现出长时间尺度上平均11年和中短时间尺度平均27天的周期性变化特征.依据这一观测事实,基于长短期记忆单元(Long Short-term Memory,LSTM)递归神经网络方法进行F10.7指数未来27天的中期预报.利用一个连续长时段F0.7数据作为训练数据,构建LSTM神经网络训练和预测模型,分别预测太阳活动高低年未来27天的F10.7指数.结果表明,太阳活动高年的第27天F10.7指数预报平均相对误差最优可达10％以内,低年最优可达2％以内.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王西京	西安卫星测控中心宇航动力学国家重点实验室	6	18	3.0	4.0
2	钟秋珍	中国科学院国家空间科学中心	10	36	3.0	5.0
3	杨旭	西安卫星测控中心宇航动力学国家重点实验室	1	0	0.0	0.0
4	朱亚光	西安卫星测控中心宇航动力学国家重点实验室	2	1	1.0	1.0
5	杨升高	西安卫星测控中心宇航动力学国家重点实验室	1	0	0.0	0.0