-
题名基于GBR方法的Kp指数预报模型
- 1
-
-
作者
焦琦融
张典钧
刘文龙
-
机构
北京航空航天大学空间与环境学院
北京航空航天大学空间环境监测与信息处理工信部重点实验室
-
出处
《空间科学学报》
CAS
CSCD
北大核心
2024年第6期1012-1020,共9页
-
基金
国家自然科学基金项目资助(42304175,41974194)。
-
文摘
地磁Kp指数是空间天气预警的重要指标,也是研究太阳风–磁层耦合的关键参数.采用梯度提升回归(GBR)算法和随机森林(RF)两种机器学习方法,构建了以太阳风、行星际磁场参数、历史Kp值和太阳黑子数据为输入的3 h地磁Kp指数预报模型.预报结果表明,两种方法均可提前1 h预报地磁Kp指数,预测结果与观测值之间的相关系数为0.90,其中GBR方法在均方根误差上表现出更好的效果,均方根误差为0.56. Kp指数预报模型在太阳活动周不同相位的预测结果存在差异,在活动周下降阶段模型预测结果与观测数据的相关系数更高.比较了不同地磁扰动下模型的预测情况,相比中等磁暴和超强磁暴,模型对强磁暴(6≤Kp<7)的预报准确度最高.
-
关键词
KP指数
机器学习
空间天气预报
-
Keywords
Kp index
Machine learning
Space weather forecast
-
分类号
P353
[天文地球—空间物理学]
-
