1、利用NARX神经网络预测周期性地磁扰动的幅度

利用NARX神经网络预测周期性地磁扰动的幅度

1. 引言

周期性地磁扰动主要由日冕洞产生的高速太阳风引起，具有27天的明显周期。不过，日冕洞处于不断演化中，其形状和大小的变化会导致太阳风环境改变，进而使周期性地磁扰动的幅度相应变化。

以往有研究利用太阳极紫外观测来确定日冕洞的位置和大小，进而预测高速太阳风到达地球的时间以及相应地磁扰动的幅度。例如，Vrˇsnak等人（2007）通过太阳极紫外观测确定日冕洞的位置和面积，并建立了日冕洞面积与Dst指数的经验关系来预测Dst指数的变化；Luo等人（2008）从极紫外观测中获得与日冕洞面积相关的Pch因子，然后建立了Pch与Ap指数的经验关系。

然而，极紫外观测获得的行星际太阳风信息有限，地磁扰动的预测精度仍需提高。基于光球磁场观测和日冕磁场外推，不仅可以获得日冕洞的大小和位置，还能得到日冕和行星际空间的三维磁场结构。从三维磁场中可以推导出一些重要特征，如膨胀因子$f_s$和光球足点到最近日冕洞边界的最小角距离$θ_b$，这些特征在之前的研究中已被用作前馈神经网络的输入来预测太阳风速度。由于高速太阳风是周期性地磁扰动的主要诱因，因此可以尝试利用这些相关特征来预测周期性地磁扰动。考虑到从太阳源区特征获得的近地太阳风条件变化范围较大，这些特征适合预测地磁扰动的全球平均效应，而地磁Ap指数可以表示这种效应。所以，本文将引入一个神经网络模型来预测太阳宁静期Ap指数的变化，即周期性地磁扰动的幅度。

2. 方法

地磁活动不仅与太阳风信息有关，还与磁层本身的演化有关。因此，考虑使用具有外部输入的非线性自回归网络（NARX）来构建Ap指数的预测模型。

NARX网络是一种比简单前馈网络更复杂