太阳质子事件短期预报模型研究  

A Short Term Solar Proton Event Prediction Model based on SVM and KNN

作　　者：李蓉[1] 崔延美[2] 贺晗[3] 

机构地区：[1]北京物资学院信息学院,北京101149 [2]中国科学院空间科学与应用研究中心,北京100190 [3]中国科学院国家天文台,北京100190

出　　处：《计算机仿真》2010年第7期61-64,共4页Computer Simulation

基　　金：高等学校人才强教计划资助项目(PHR200906210);北京市教育委员会科研基地建设项目(WYJD200902);北京市教育委员会科技计划项目(KM200810037001);国家自然科学基金重点项目(10673017)

摘　　要：太阳质子事件预报是空间天气预报的重要组成部分。在太阳活动预报研究中,针对开发预报方法研究问题,已有的太阳质子事件预报模型主要采用统计和神经网络的方法。为了提高预报精度和准确率,选用了支持向量机和K近邻相结合的方法(称为SVM-KNN方法)建立太阳质子事件预报模型。模型选择的预报因子除了已有质子事件预报模型选用的传统太阳活动区黑子特征参量,还加入太阳活动区磁场参量。仿真预报采用2002年和2004年的数据,结果证明采用预报模型具有较高的报准率,证明SVM-KNN方法是一种有效的太阳活动预报方法。Solar proton events（SPEs） prediction is an important component of space weather forecasting.The focus of prediction research is developing an effectual prediction method.The statistic and neural network method is the main technique of existing solar event prediction models.In order to improve the prediction accuracy,the SVM combined with K nearest neighbor（called SVM - KNN method） is selected to construct the SPEs prediction model.Besides the traditional solar activity sunspot parameters,the parameters of photospheric magnetic fields is adopted in this model.A simulated prediction is done using the data of 2002 and 2004.The results show that our prediction model has a high prediction accuracy,and the SVM - KNN method is a potent method of SPEs prediction.

关 键 词：太阳质子事件 耀斑 特征空间 预报因子 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]