[发明专利]基于神经网络模型预报地磁暴的方法

摘要

本发明公开了一种基于神经网络模型预报地磁暴的方法，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，然后进入神经网络的训练和学习阶段，最后进入神经网络的预测和仿真结果分析阶段，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。

主权项

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。