期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于神经网络的未来3天Kp指数预报建模与可解释AI应用
1
作者
王听雨
罗冰显
+3 位作者
陈艳红
石育榕
王晶晶
刘四清
《空间科学学报》
CAS
CSCD
北大核心
2024年第3期437-445,共9页
当前业务中对未来3天Kp指数预报需求强烈.但地磁暴中多参数耦合导致难以量化各预报因子对Kp值的贡献,制约了预报精度提升.本文构建了神经网络3天Kp指数预报模型,并使用人工智能(AI)可解释性算法定量化各因子贡献.结果显示,行星际磁场南...
当前业务中对未来3天Kp指数预报需求强烈.但地磁暴中多参数耦合导致难以量化各预报因子对Kp值的贡献,制约了预报精度提升.本文构建了神经网络3天Kp指数预报模型,并使用人工智能(AI)可解释性算法定量化各因子贡献.结果显示,行星际磁场南向分量在提前3 h对Kp指数的贡献为37.15%,为主要因子,说明模型能捕捉符合物理特征的主要预报因子.Kp指数历史特征贡献随提前量逐渐增加,提前3天总体贡献占68.06%,验证了对冕洞高速流引起的地磁暴事件的预报能力.对2015和2017年特大地磁暴进行贡献分析,模型准确捕捉了地磁暴多参数耦合的复杂特性.研究表明,可解释AI算法在一定程度上能定量化各预报因子对Kp指数的预报贡献,有助于改进未来3天Kp指数AI预报模型.
展开更多
关键词
地磁暴
未来3天kp指数预报
神经网络
可解释性
AI算法
在线阅读
下载PDF
职称材料
题名
基于神经网络的未来3天Kp指数预报建模与可解释AI应用
1
作者
王听雨
罗冰显
陈艳红
石育榕
王晶晶
刘四清
机构
中国科学院国家空间科学中心空间天气学国家重点实验室
中国科学院大学
出处
《空间科学学报》
CAS
CSCD
北大核心
2024年第3期437-445,共9页
基金
中国科学院战略性先导科技专项(XDB0560000)
国家自然科学基金面上项目(42074224)
+2 种基金
中国科学院重点部署项目(ZDRE-KT-2021-3)
中国科学院国家空间科学中心“攀登计划”青年创新课题(E4PD40012S)
中国科学院青年创新促进会共同资助。
文摘
当前业务中对未来3天Kp指数预报需求强烈.但地磁暴中多参数耦合导致难以量化各预报因子对Kp值的贡献,制约了预报精度提升.本文构建了神经网络3天Kp指数预报模型,并使用人工智能(AI)可解释性算法定量化各因子贡献.结果显示,行星际磁场南向分量在提前3 h对Kp指数的贡献为37.15%,为主要因子,说明模型能捕捉符合物理特征的主要预报因子.Kp指数历史特征贡献随提前量逐渐增加,提前3天总体贡献占68.06%,验证了对冕洞高速流引起的地磁暴事件的预报能力.对2015和2017年特大地磁暴进行贡献分析,模型准确捕捉了地磁暴多参数耦合的复杂特性.研究表明,可解释AI算法在一定程度上能定量化各预报因子对Kp指数的预报贡献,有助于改进未来3天Kp指数AI预报模型.
关键词
地磁暴
未来3天kp指数预报
神经网络
可解释性
AI算法
Keywords
Geomagnetic storm
3
-day
kp
index forecasting
Neural network
Explainable AI algorithm
分类号
P353 [天文地球—空间物理学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于神经网络的未来3天Kp指数预报建模与可解释AI应用
王听雨
罗冰显
陈艳红
石育榕
王晶晶
刘四清
《空间科学学报》
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
