發(fā)布時間：2019-08-05 18:29

【摘要】：提出一種太陽黑子數(shù)平滑月均值的混合預測模型.通過最大Lyapunov指數(shù)得到太陽黑子數(shù)平滑月均值時間序列的最大可預測周期,結果表明太陽黑子數(shù)平滑月均值序列的最大可預測周期為42個月.太陽黑子數(shù)平滑月均值時間序列中包含著線性與非線性的成分,利用自回歸滑動平均模型對線性成分進行預測,將太陽黑子數(shù)平滑月均值的實際值與自回歸滑動平均模型的預測值作差值得到僅含有非線性成分的殘差序列,利用具有良好非線性預測能力的回聲狀態(tài)網(wǎng)絡預測殘差序列,并通過人工蜂群算法來確定回聲狀態(tài)網(wǎng)絡預測模型的最佳參數(shù).將自回歸滑動平均模型預測值與回聲狀態(tài)網(wǎng)絡預測的殘差相加,得到太陽黑子數(shù)平滑月均值的最終預測值.通過第23太陽活動周的太陽黑子數(shù)平滑月均值的預測表明提出的預測模型具有較高的預測精度.同時,對第24太陽活動周的太陽黑子數(shù)平滑月均值進行了預測,結果表明第24太陽活動周將在2020年2月結束.
[Abstract]:A hybrid prediction model for smooth monthly mean of sunspot number is proposed. The maximum predictable period of the monthly mean time series of sunspot number smoothing is obtained by the maximum Lyapunov index. The results show that the maximum predictable period of the sunspot number smoothing monthly mean series is 42 months. The monthly mean time series of sunspot number smoothing contains linear and nonlinear components. The autoregression moving average model is used to predict the linear components. The residual sequence with only nonlinear components is obtained by making the difference between the actual value of the monthly mean value of sunspot number smoothing monthly mean and the predicted value of autoregression moving average model, and the residual sequence is predicted by echo state network with good nonlinear prediction ability. The optimal parameters of echo state network prediction model are determined by artificial bee swarm algorithm. The predicted value of the autoregression moving average model is added to the residual error predicted by the echo state network, and the final prediction value of the monthly mean value of the sunspot number is obtained. The prediction of the monthly mean of sunspot number in the 23rd solar active cycle shows that the proposed prediction model has high prediction accuracy. At the same time, the monthly mean number of sunspots in the 24th solar active cycle is predicted, and the results show that the 24th solar active cycle will end in February 2020.
【作者單位】： 沈陽工業(yè)大學信息科學與工程學院;東北大學計算機科學與工程學院;
【基金】：國家自然科學基金(編號:11273001) 遼寧省博士啟動基金(編號:20141070)資助項目
【分類號】：P182.41

【相似文獻】

相關期刊論文 前10條

1 楊桂元,唐小我;對預測模型質量評價的方法探討[J];中國軟科學;1998年11期

2 鮑祥霖;一個新的銷量預測模型[J];系統(tǒng)工程理論方法應用;2000年01期

3 徐家湛;灰色預測模型在經(jīng)濟數(shù)列預測中的應用[J];北京統(tǒng)計;2004年06期

4 馬麗萍,褚立國;試論平均預測模型假設[J];內蒙古科技與經(jīng)濟;2004年14期

5 葛菊紅;化存才;;“平移序列”的灰色預測模型及其在國慶黃金周中的應用[J];云南大學學報(自然科學版);2006年S1期

6 吳忠權;;黔南州2006—2010年人才需求總量預測模型構建[J];科技信息(學術研究);2007年12期

7 吳建國;;城市主導特色的預測模型[J];統(tǒng)計與決策;2007年09期

8 汪燕;黃會明;姚靜;;基于灰色預測模型與回歸理論對千車故障數(shù)的分析[J];銅陵學院學報;2007年05期

9 李楷;;論汽車整車庫存預測模型的構建[J];現(xiàn)代商貿工業(yè);2008年05期

10 姚青;劉彥良;張斌;;基于因素重構分析的人才總量預測模型[J];曲阜師范大學學報(自然科學版);2008年04期

相關會議論文 前10條

1 鄢小彬;肖新平;;基于灰色馬爾可夫模型的煤礦安全預測[A];第九屆中國青年信息與管理學者大會論文集[C];2007年

2 羅榮桂;黃敏鎂;;基于自適應神經(jīng)模糊推理系統(tǒng)的服務業(yè)發(fā)展預測模型[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年

3 王亮;劉豹;徐德民;;預測模型的選擇及其智能化實現(xiàn)[A];科學決策與系統(tǒng)工程——中國系統(tǒng)工程學會第六次年會論文集[C];1990年

4 肖健華;吳今培;;基于支持向量機的預測模型及應用[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

5 李陽旭;鄧輝文;;一種新的企業(yè)市場預測模型及其比較研究[A];2004年中國管理科學學術會議論文集[C];2004年

6 馬志元;;城市區(qū)域經(jīng)濟、人口、能源、環(huán)境綜合系統(tǒng)預測模型及應用[A];中國城市建設與環(huán)境保護實踐——城市建設與環(huán)境保護學術研討會論文集[C];1997年

7 李兆芹;姚克敏;;一種新的疾病發(fā)病率預測模型研究[A];首屆長三角氣象科技論壇論文集[C];2004年

8 李兆芹;姚克敏;;一種新的疾病發(fā)病率預測模型研究[A];首屆長三角科技論壇——氣象科技發(fā)展論壇論文集[C];2004年

9 張曉f^;;全球煤炭產(chǎn)量的灰色預測模型[A];中國現(xiàn)場統(tǒng)計研究會第十三屆學術年會論文集[C];2007年

10 肖會敏;樊為剛;;基于神經(jīng)網(wǎng)絡的糧食產(chǎn)量預測模型[A];04'中國企業(yè)自動化和信息化建設論壇暨中南六省區(qū)自動化學會學術年會專輯[C];2004年

相關重要報紙文章 前10條

1 劉慶;“預測模型”要緩行[N];網(wǎng)絡世界;2006年

2 特約記者 劉京濤;華東化工銷售員工設計價格預測模型見成效[N];中國石油報;2010年

3 南方日報記者 彭琳　實習生 周鵬程;預測世界杯之外 大數(shù)據(jù)還能做什么[N];南方日報;2014年

4 本報記者 張超;預測模型：推算SARS起落潮[N];科技日報;2003年

5 本報記者 段佳;機器“品肉師”替您“嘗鮮”[N];大眾科技報;2010年

6 BMC首席IT技術官 Mahendra Durai　IDC顧問 Eric Hatcher Randy Perry;預測智能：管理復雜基礎架構的鎖鑰[N];中國計算機報;2010年

7 張琳 趙偉;巧用Excel構建利潤預測模型[N];財會信報;2007年

8 楊宜勇（作者為國家發(fā)改委經(jīng)濟研究所副所長）;發(fā)揮信息化對就業(yè)的“增補效應”[N];第一財經(jīng)日報;2005年

9 本報記者 湯潯芳　實習記者 董文萍;“孵化器”模式：大數(shù)據(jù)的垂直運營樣本[N];21世紀經(jīng)濟報道;2014年

10 本報記者 安豐;深部找礦的探鏡[N];中國國土資源報;2006年

相關博士學位論文 前10條

1 師懿;城市交通規(guī)劃環(huán)評中空氣污染預測模型研究[D];中國地質大學;2015年

2 張麗;牦牛肉用品質特性及近紅外預測模型和產(chǎn)量等級系統(tǒng)的研究[D];中國農(nóng)業(yè)科學院;2015年

3 吳利豐;分數(shù)階灰色預測模型及其應用研究[D];南京航空航天大學;2015年

4 王菲;肉牛飼料有效能值預測模型的建立與評價[D];中國農(nóng)業(yè)大學;2016年

5 周闖;原發(fā)性肝癌術后轉移復發(fā)分子預測模型的優(yōu)化整合與臨床轉化[D];復旦大學;2012年

6 孫忠林;煤礦安全生產(chǎn)預測模型的研究[D];山東科技大學;2009年

7 王冬光;控制技術在投資預測模型建立中的應用研究[D];哈爾濱工程大學;2005年

8 張麗峰;中國能源供求預測模型及發(fā)展對策研究[D];首都經(jīng)濟貿易大學;2006年

9 王育紅;灰色預測模型與灰色證據(jù)組合模型研究及應用[D];南京航空航天大學;2010年

10 崔立志;灰色預測技術及其應用研究[D];南京航空航天大學;2010年

相關碩士學位論文 前10條

1 劉冰;基于神經(jīng)網(wǎng)絡的纖維熱磨過程能耗預測模型的研究[D];東北林業(yè)大學;2015年

2 張念;鐵路軌道幾何不平順趨勢預測的關鍵算法研究[D];西南交通大學;2015年

3 田振偉;城市能源預測模型的研究與應用[D];昆明理工大學;2015年

4 吳迪;基于模糊決策樹算法的安全庫存量預測模型[D];中國地質大學(北京);2015年

5 齊雯;采用灰色預測模型改進的HHT算法在故障診斷中的應用[D];華南理工大學;2015年

6 王萍;膀胱癌遺傳分數(shù)的計算及發(fā)病風險預測模型的構建[D];復旦大學;2013年

7 石大宏;基于序列的蛋白質—核苷酸綁定位點預測研究[D];南京理工大學;2015年

8 熊盛華;基于BP神經(jīng)網(wǎng)絡的混合預測模型的實例研究[D];蘭州大學;2015年

9 趙Z，

本文編號：2523271