[发明专利]一种基于神经网络的太阳耀斑二分类预测方法

说明书

本发明公开了一种基于神经网络的太阳耀斑二分类预测方法，推导出皮尔森相关系数计算公式；推导出斯皮尔曼相关系数计算公式；求得出斯皮尔曼相关系数的优势；对数据进行特征选择；构建感知机；引入多层神经网络；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；本发明结合皮尔森相关系数与斯皮尔曼相关系数，构建基于神经网络的太阳耀斑预测模型，进行耀斑二分类预测研究，能够对与太阳耀斑行为具有较高准确率的预测，且方法科学合理、适用性强和效果佳等优点。

技术领域

本发明涉及太阳耀斑预报技术领域，具体涉及一种基于神经网络的太阳耀斑二分类预测方法。

背景技术

太阳并不是一个完全静止的球体，太阳具有活动周与静止周之分，太阳活动方式中的一个很明显的形式就是太阳耀斑，太阳耀斑带来的巨大动能、热能影响能够对地球的空间环境产生巨大影响。

目前，太阳耀斑是影响空间天气情况的重要因素，它从太阳向星际空间释放非常广泛的辐射光谱和大量高能粒子；强太阳耀斑引起的X射线增强可影响无线电通讯系统、全球定位系统、卫星和宇航员的安全，这些危害可能导致大量的经济和商业损失，建立太阳耀斑预测模型对空间天气预报具有重要意义；因此，需要设计一种基于神经网络的太阳耀斑二分类预测方法。

发明内容

本发明的目的是克服现有技术的不足，为更好的解决太阳耀斑预测准确率不高的问题，提供了一种基于神经网络的太阳耀斑二分类预测方法，其具有能够对与太阳耀斑行为具有较高准确率的预测，且方法科学合理、适用性强和效果佳等优点。

为了达到上述目的，本发明所采用的技术方案是：

一种基于神经网络的太阳耀斑二分类预测方法，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。

前述的一种基于神经网络的太阳耀斑二分类预测方法，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。

前述的一种基于神经网络的太阳耀斑二分类预测方法，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，