排序方式: 共有25条查询结果,搜索用时 15 毫秒
1.
自从人类进入信息时代以来,人类的生存环境也具有浓厚的电磁环境内涵。各种信息技术设备,都存在一个受外界高强度电磁场辐射袭击的问题。雷电、太阳风暴、核电磁脉冲是信息设备的“高空杀手”,它们会干扰信息设备的程序,削弱其性能,甚至使其处于瘫痪状态和烧毁状态。这个问题在上世纪80年代已引起西方发达国家的普遍重视,迅速开展了研究、解决信息技术设备的电磁防护工作。我国近几年对此问题也有足够的认识和重视,对此的研究也进入了高层次。一、雷电雷电是自然界中最强的一种脉冲放电现象,包括雷鸣和电闪。 相似文献
2.
太阳黑子活动直接影响着外层空间环境的变化,为保证航天飞行任务的安全必须对其进行有效预测.为此,提出了一种基于时变阈值过程神经网络的时间序列预测模型.为简化模型的计算复杂度,开发了一种基于正交基函数展开的学习算法.文中分析了模型的泛函逼近能力,并以Mackey-Glass时间序列预测为例验证了所提模型及其学习算法的有效性.最后,将该预测模型用于太阳活动第23周太阳黑子数平滑月均值预测,取得了满意的结果,应用结果同时表明:所提预测方法与其他传统预测方法相比预测精度有所提高,具有一定的理论和实用价值.
关键词:
太阳黑子数
时变阈值过程神经网络
时间序列预测
泛函逼近 相似文献
3.
4.
5.
太阳黑子活动长期预报对航天、通讯、防灾等具有重要的指导意义. 针对加权一阶局域法在多步预测时存在累积误差效应, 建立了基于相空间重构技术的径向基函数神经网络预测模型. 用该模型对第22, 23 太阳周黑子数平滑月均值进行逐月预报, 并与实测值进行比较. 结果表明, 预报的绝对误差可以控制在15.00 以内, 平均绝对误差分别为5.47, 2.83, 相对误差控制在15.00%以内, 平均相对误差分别为5.45%, 4.60%, 验证了该模型在预测太阳黑子数时具有较高的精度. 将该预测模型用于第24 太阳周黑子数平滑月均值预报, 做出了自2009 年1月到2019年12月共132 个月的黑子数平滑月均值的预报, 指出黑子数平滑月均值的最大值为104.77, 将出现的时间为2013年1月. 相似文献
6.
分析了1953~2001年杭州梅雨量的周期性振荡特征度其与赤道平流层纬向风之间的关系.结果表明,杭州梅雨量的变化存在着22年左右和准两年左右的周期振荡,雨量和赤道平流层纬向风的准二年振荡(QBO)之间具有相关关系,其相关关系受到太阳活动的调控.在厄尔尼诺年的同期或者后期,QBO和梅雨之间的关系往往会出现异常. 相似文献
7.
8.
为了研究太阳高纬度和低纬度活动现象在南北半球的混沌与分形特征, 结合递归分析方法与Grassberger-Procaccia算法两种技术对1952年2月至1998年6月的极区光斑和黑子数目两种太阳磁活动指标进行了详细分析和比较. 主要结论如下: 1)由于太阳活动现象与磁场的时空演化密切相关, 导致太阳活动在南半球和北半球的混沌与分形特征具有不对称性, 太阳高纬度和低纬度活动现象的混沌与分形特征具有差异性; 2)太阳高纬度活动现象比低纬度活动现象具有更强的混沌程度和更复杂的分形结构, 其中太阳高纬度活动现象在北半球具有最强的混沌程度和最复杂的分形结构. 相似文献
9.
太阳有时候会向地球喷射大量的粒子流,对人造卫星造成严重破坏。然而,准确预报这些太阳耀斑的出现时间却是困难的。但是现在,一些物理学家认为,我们即将面临近几年以来最猛烈的太阳耀斑活动。一场浩劫万圣节前夜(每年的10月31日)常被人们想象成有神秘现象和怪异事件发生的特殊日子。但是无论如何,发生在2003年10月下旬的事件都是历史上罕见的--全世界的无线电通信被迫中断、美国航空航天局的半数卫星出现故障、瑞典境内5万人停止了电力供应、全球航空业损失数百万美元。其实,这些事件并不是什么神秘现象,而是我们再熟悉不过的太阳造成的。在11年的周期内,太阳要经历一个较为活跃的时期。 相似文献
10.
Time series prediction methods based on conventional neural networks do not take into account the functional relations between the discrete observed values in the time series. This usually causes a low prediction accuracy. To solve this problem, a functional time series prediction model based on a process neural network is proposed in this paper. A Levenberg-Marquardt learning algorithm based on the expansion of the orthonormal basis functions is developed to train the proposed functional time series prediction model. The efficiency of the proposed functional time series prediction model and the corresponding learning algorithm is verified by the prediction of the monthly mean sunspot numbers. The comparative test results indicate that process neural network is a promising tool for functional time series prediction. 相似文献