[发明专利]一种基于神经网络的太阳耀斑二分类预测方法

权利要求书

1.一种基于神经网络的太阳耀斑二分类预测方法，其特征在于：包括以下步骤，

步骤(A)，推导出皮尔森相关系数计算公式；

步骤(B)，推导出斯皮尔曼相关系数计算公式；

步骤(C)，求得出斯皮尔曼相关系数的优势；

步骤(D)，对数据进行特征选择；

步骤(E)，构建感知机；

步骤(F)，引入多层神经网络；

步骤(G)，依据神经网络设计反向传播算法进行预测，并产生预测结果。

2.根据权利要求1所述的一种基于神经网络的太阳耀斑二分类预测方法，其特征在于：步骤(A)，推导出皮尔森相关系数计算公式，其具体步骤如下，

步骤(A1)，皮尔森相关系数由计算两个变量X，Y的标准差与协方差的商得到总体相关系数ρ，如公式(1)所示，

步骤(A2)，计算样本点的协方差和标准差，可得到皮尔森相关系数r，如公式(2)所示，

其中，是X_i的样本均值，是Y_i的样本均值；

步骤(A3)，计算样本点的标准分数均值，可得到与公式(2)等价的表达式，如公式(3)所示，

其中，是X_i的标准分数，σ_x是X_i的样本标准差；是Y_i的标准分数，σ_y是Y_i的样本标准差。

3.根据权利要求1所述的一种基于神经网络的太阳耀斑二分类预测方法，其特征在于：步骤(B)，推导出斯皮尔曼相关系数计算公式，斯皮尔曼相关系数通过单调函数来表示变量间的相关性，相关性以ρ表示，具体步骤如下，

步骤(B1)，设存在两个变量分别为X、Y，元素个数均为N，两个变量的第i个元素并分别用X_i、Y_i表示；X、Y的排序集合为x、y，元素x_i、y_i分别为X_i在X中的排名以及Y_i在Y中的排名；x_i与y_i对应相减得到一个排序差分集合d；即变量X、Y之间的斯皮尔曼等级相关系数由x、y计算得到，由排序差分集合d计算而得，如公式(4)所示，

步骤(B2)，再由排序集合x、y计算而得公式(5)，

4.根据权利要求3所述的一种基于神经网络的太阳耀斑二分类预测方法，其特征在于：步骤(C)，求得出斯皮尔曼相关系数的优势，其具体方法有两种一种是分层排列测试检验，另一种是在皮尔森积矩中使用费雪交换，具体步骤如下

步骤(C1)，分层排列测试检验，对于被观测数据的ρ值，设ρ不为零，并计算它大于r的概率，且r范围是1≥r≥-1，使用分层排列测试检验；

步骤(C2)，在皮尔森积矩中使用费雪交换，具体步骤如下，

步骤(C21)，通过费雪变换获得ρ的置信区间和零检验，如公式(6)所示，

步骤(C22)，设F(r)中r是Fisher变换，则如公式(7)所示，

其中，z是零检验，n为自由度；

步骤(C23)，r服从并依赖在零假设下的标准正态分布，显著性t如公式(8)所示，