[发明专利]基于神经网络模型预报地磁暴的方法

说明书

技术领域

本发明属于地磁暴预报技术领域，具体涉及一种基于神经网络模型预报地磁暴的方法。

背景技术

地磁暴主要是由太阳耀斑爆发时向外辐射出大量紫外线、X射线及高能粒子流，并到达地球严重干扰地球磁场而引起的。地磁暴的发生会引起重大停电事故，干扰无线电通讯和卫星的运行，因此对地磁暴的预报具有非常重要的科学和经济意义。太阳耀斑爆发后，X射线以光速约8.3分钟后到达地球，引起电离层突然骚扰事件，而高能粒子流速度较慢，大约1-3天后才能达到地球附近，引发地磁暴。太阳耀斑的爆发与多种因素有关，而这些因素又与地磁暴发生的预测存在着复杂的关系，其中的规律难以把握，因此可以采用具有较强的非线性逼近能力的神经网络来预报地磁暴。

发明内容

本发明解决的技术问题是提供了一种基于神经网络模型预报地磁暴的方法，该方法采用神经网络算法能够综合考虑到其它方面的干扰因素，克服了现有技术的局限性，具有客观性、时效性和准确性。

本发明为解决上述技术问题采用如下技术方案，基于神经网络模型预报地磁暴的方法，其特征在于：该神经网络模型主要由输入层、隐含层和输出层构成，相邻各层之间神经元节点单方向连接，首先根据拟合非线性函数的特点建立神经网络模型，选取太阳耀斑爆发时间、路径长度和甚低频传播相位变化偏移量作为预报地磁暴神经网络的三个参数，即神经网络模型的输入层神经元节点，神经网络模型的输出层为地磁暴发生时的地磁指数；然后进入神经网络的训练和学习阶段，选取n组已知特定地磁暴信息的参数作为输入的训练样本，通过训练学习使神经网络建立特定地磁暴发生时的地磁指数与输入参数之间的关系；最后进入神经网络的预测和仿真结果分析阶段，选取m组已知特定地磁暴信息的参数作为测试样本输入到已受训练的神经网络中进行验证，检验测试神经网络训练和学习结果的可行性和准确性，并对训练结果进行仿真，在预测结果出来后用函数进行反归一化处理得到所需的预测结果，将输出数据与验证数据对比，使该神经网络模型的训练结果得到验证，最终建立具有可靠性和可行性的地磁暴发生时的地磁指数与输入参数之间的关系，再通过输入参数的改变来预报地磁暴。

本发明与现有技术相比具有以下有益效果：本发明采用神经网络算法能够综合考虑到其它方面的干扰因素，克服了现有技术的局限性，具有客观性、时效性和准确性。

附图说明

图1是本发明中神经网络模型的模块连接图；

图2是本发明中神经网络模型的构建流程图。

图中：1、输入层，2、隐含层，3、输出层，4、神经网络构建，5、神经网络训练，6、神经网络预测，7、神经网络仿真结果分析。

具体实施方式

结合附图详细描述本发明的具体内容。如图1-2所示，基于神经网络模型预报地磁暴的方法，所述神经网络模型主要由输入层1、隐含层2和输出层3构成，相邻各层之间神经元节点单方向连接，神经网络算法主要由神经网络构建4、神经网络训练5、神经网络预测6和神经网络仿真结果分析7四部分构成；首先根据拟合非线性函数的特点建立神经网络模型，选取太阳耀斑爆发时间、路径长度和甚低频传播相位变化偏移量作为预报地磁暴神经网络的三个参数，即神经网络模型的输入层神经元节点，神经网络模型的输出层为地磁暴发生时的地磁指数；然后进入神经网络的训练和学习阶段，选取50组已知特定地磁暴信息的参数作为输入的训练样本，通过训练学习使神经网络建立特定地磁暴发生时的地磁指数与输入参数之间的关系；最后进入神经网络的预测和仿真结果分析阶段，选取10组已知特定地磁暴信息的参数作为测试样本输入到已受训练的神经网络中进行验证，检验测试神经网络训练和学习结果的可行性和准确性，并对训练结果进行仿真，在预测结果出来后用函数进行反归一化处理得到所需的预测结果，将输出数据与验证数据对比，使该神经网络模型的训练结果得到验证，最终建立具有可靠性和可行性的地磁暴发生时的地磁指数与输入参数之间的关系，再通过输入参数的改变来预报地磁暴。

以上显示和描述了本发明的基本原理，主要特征和优点，在不脱离本发明精神和范围的前提下，本发明还有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围。