PMO OpenIR
基于深度学习的太阳107cm射电流量日值的中期预报
王歆
2017
Source Publication飞行器测控学报
ISSN1674-5620
Volume036Issue:002Pages:118
Abstract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。
Language英语
Document Type期刊论文
Identifierhttp://libir.pmo.ac.cn/handle/332002/31706
Collection中国科学院紫金山天文台
Affiliation中国科学院紫金山天文台
First Author Affilication中国科学院紫金山天文台
Recommended Citation
GB/T 7714
王歆. 基于深度学习的太阳107cm射电流量日值的中期预报[J]. 飞行器测控学报,2017,036(002):118.
APA 王歆.(2017).基于深度学习的太阳107cm射电流量日值的中期预报.飞行器测控学报,036(002),118.
MLA 王歆."基于深度学习的太阳107cm射电流量日值的中期预报".飞行器测控学报 036.002(2017):118.
Files in This Item:
There are no files associated with this item.
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[王歆]'s Articles
Baidu academic
Similar articles in Baidu academic
[王歆]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[王歆]'s Articles
Terms of Use
No data!
Social Bookmark/Share
All comments (0)
No comment.
 

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