中国科学院紫金山天文台机构知识库
Advanced  
PMO OpenIR  > PMO中文期刊  > 期刊论文
题名: 基于深度学习的太阳10.7 cm射电流量日值的中期预报
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
内容类型: 期刊论文
URI标识: http://libir.pmo.ac.cn/handle/332002/17513
Appears in Collections:PMO中文期刊_期刊论文

Files in This Item:
File Name/ File Size Content Type Version Access License
2017014.pdf(605KB)期刊论文作者接受稿限制开放View 联系获取全文
Service
Recommend this item
Sava as my favorate item
Show this item's statistics
Export Endnote File
Google Scholar
Similar articles in Google Scholar
[王歆]'s Articles
CSDL cross search
Similar articles in CSDL Cross Search
[王歆]‘s Articles
Related Copyright Policies
Null
Social Bookmarking
Add to CiteULike Add to Connotea Add to Del.icio.us Add to Digg Add to Reddit
文件名: 2017014.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 
评注功能仅针对注册用户开放,请您登录
您对该条目有什么异议,请填写以下表单,管理员会尽快联系您。
内 容:
Email:  *
单位:
验证码:   刷新
您在IR的使用过程中有什么好的想法或者建议可以反馈给我们。
标 题:
 *
内 容:
Email:  *
验证码:   刷新

Items in IR are protected by copyright, with all rights reserved, unless otherwise indicated.

 

 

Valid XHTML 1.0!
Copyright © 2007-2018  中国科学院紫金山天文台 - Feedback
Powered by CSpace