[發明專利]一種基于神經網絡的太陽耀斑二分類預測方法

在審

• 申請號: 202111057268.5
• 申請日: 2021-09-09
• 公開（公告）號: CN113887570A
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 鄭艷芳;秦偉舒;李雪寶;田會峰;周瑜;劉乾;趙麗;秦海亭
• 申請（專利權）人: 江蘇科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京創略知識產權代理事務所(普通合伙) 32358
• 代理人: 劉文艷

本發明公開了一種基于神經網絡的太陽耀斑二分類預測方法，推導出皮爾森相關系數計算公式；推導出斯皮爾曼相關系數計算公式；求得出斯皮爾曼相關系數的優勢；對數據進行特征選擇；構建感知機；引入多層神經網絡；依據神經網絡設計反向傳播算法進行預測，并產生預測結果；本發明結合皮爾森相關系數與斯皮爾曼相關系數，構建基于神經網絡的太陽耀斑預測模型，進行耀斑二分類預測研究，能夠對與太陽耀斑行為具有較高準確率的預測，且方法科學合理、適用性強和效果佳等優點。

技術領域

本發明涉及太陽耀斑預報技術領域，具體涉及一種基于神經網絡的太陽耀斑二分類預測方法。

背景技術

太陽并不是一個完全靜止的球體，太陽具有活動周與靜止周之分，太陽活動方式中的一個很明顯的形式就是太陽耀斑，太陽耀斑帶來的巨大動能、熱能影響能夠對地球的空間環境產生巨大影響。

目前，太陽耀斑是影響空間天氣情況的重要因素，它從太陽向星際空間釋放非常廣泛的輻射光譜和大量高能粒子；強太陽耀斑引起的X射線增強可影響無線電通訊系統、全球定位系統、衛星和宇航員的安全，這些危害可能導致大量的經濟和商業損失，建立太陽耀斑預測模型對空間天氣預報具有重要意義；因此，需要設計一種基于神經網絡的太陽耀斑二分類預測方法。

發明內容

本發明的目的是克服現有技術的不足，為更好的解決太陽耀斑預測準確率不高的問題，提供了一種基于神經網絡的太陽耀斑二分類預測方法，其具有能夠對與太陽耀斑行為具有較高準確率的預測，且方法科學合理、適用性強和效果佳等優點。

為了達到上述目的，本發明所采用的技術方案是：

一種基于神經網絡的太陽耀斑二分類預測方法，包括以下步驟，

步驟(A)，推導出皮爾森相關系數計算公式；

步驟(B)，推導出斯皮爾曼相關系數計算公式；

步驟(C)，求得出斯皮爾曼相關系數的優勢；

步驟(D)，對數據進行特征選擇；

步驟(E)，構建感知機；

步驟(F)，引入多層神經網絡；

步驟(G)，依據神經網絡設計反向傳播算法進行預測，并產生預測結果。

前述的一種基于神經網絡的太陽耀斑二分類預測方法，步驟(A)，推導出皮爾森相關系數計算公式，其具體步驟如下，

步驟(A1)，皮爾森相關系數由計算兩個變量X，Y的標準差與協方差的商得到總體相關系數ρ，如公式(1)所示，

步驟(A2)，計算樣本點的協方差和標準差，可得到皮爾森相關系數r，如公式(2)所示，

其中，是X_i的樣本均值，是Y_i的樣本均值；

步驟(A3)，計算樣本點的標準分數均值，可得到與公式(2)等價的表達式，如公式(3)所示，

其中，是X_i的標準分數，σ_x是X_i的樣本標準差；是Y_i的標準分數，σ_y是Y_i的樣本標準差。

前述的一種基于神經網絡的太陽耀斑二分類預測方法，步驟(B)，推導出斯皮爾曼相關系數計算公式，斯皮爾曼相關系數通過單調函數來表示變量間的相關性，相關性以ρ表示，具體步驟如下，