-
题名基于LSTM神经网络的Dst指数预报方法
- 1
-
-
作者
李绍文
牛俊
梅冰
姚俐竹
李炎斌
-
机构
国防科技大学气象海洋学院
-
出处
《空间科学学报》
北大核心
2025年第3期641-652,共12页
-
基金
国家重点研发计划项目资助(2023YFC2808904)。
-
文摘
Dst指数是当前使用较广泛的用于反映磁暴过程的小时地磁指数,对Dst指数的预报是现代空间天气学主要研究内容之一.基于LSTM神经网络方法,利用2008-2022年的太阳风参数和Dst指数建立Dst指数预报模型,分别为使用全时域数据建模的LSTM模型和仅使用磁暴期间数据建模的Storm模型.使用LSTM模型对2001-2002年间的Dst指数进行滚动预报,预报结果显示该模型对提前1~6 h的Dst指数预报相关系数达到0.94以上,均方根误差在11 nT以内. Storm模型能够较好地解决LSTM模型在磁暴(尤其是强磁暴, Dst<–100 nT)主相期间预报误差较大的问题,对2001-2002年期间的23次强磁暴事件预报结果表明, Storm模型对磁暴期间提前6 h的预报结果相关系数较LSTM模型由0.902提升至0.948.综合两个预报模型组成的LSTMStorm模型对Dst指数的预报结果相关系数在0.95以上,均方根误差在9 nT以内,相比单LSTM模型的预报精度有显著提升.
-
关键词
dst指数预报
LSTM神经网络
预报模型
LSTM-Storm模型
-
Keywords
dst index prediction
LSTM neural network
Forecasting model
LSTM-Storm model
-
分类号
P353
[天文地球—空间物理学]
-
