基于深度学习的太阳10.7 cm射电流量日值的中期预报
文献类型：期刊论文
| 作者 | 王歆 |
| 刊名 | 飞行器测控学报
 |
| 出版日期 | 2017 |
| 期号 | 2页码:118-122 |
| 关键词 | 太阳活动 F10.7流量 预报 深度学习 神经网络 |
| 英文摘要 | 针对太阳10.7cm射电流量中期日值预报问题,采用深度学习方法,建立了一个典型的基于多层感知器模型的神经网络。该网络采用1个包含90个神经元的隐含层,实现了一种非参数的时间序列自回归模型。预报中不仅考虑历史日值,还考虑了历史预报误差。模型根据前27d的历史数据实现了未来27d的日值预报。通过对50多年数据的训练和试验分析,该方法在短期和中期预报上较传统方法的相对误差明显降低。特别是模型经一次训练后,参数可以完全固定,不同于以往研究参数需要每天滚动更新,大大简化了日常预报,同时极为有利于模型在其他相关应用中的推广。 |
| 语种 | 中文 |
| 源URL | [http://libir.pmo.ac.cn/handle/332002/17513]  |
| 专题 | 中国科学院紫金山天文台 |
| 推荐引用方式 GB/T 7714 | 王歆. 基于深度学习的太阳10.7 cm射电流量日值的中期预报[J]. 飞行器测控学报,2017(2):118-122. |
| APA | 王歆.(2017).基于深度学习的太阳10.7 cm射电流量日值的中期预报.飞行器测控学报(2),118-122. |
| MLA | 王歆."基于深度学习的太阳10.7 cm射电流量日值的中期预报".飞行器测控学报 .2(2017):118-122. |
入库方式： OAI收割
来源：紫金山天文台
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。