通過添加太陽黑子周期長度構(gòu)建長短期記憶網(wǎng)絡(luò)（Long Short-Term Memory, LSTM）的多變量輸入數(shù)據(jù),在多時(shí)間步長上預(yù)測未來10年的太陽黑子變化。將數(shù)據(jù)集以訓(xùn)練數(shù)據(jù)長度為標(biāo)準(zhǔn)劃分出兩組時(shí)間序列片段,分別是分片11和分片6,并在分片上分別對(duì)比了單變量和多變量在單時(shí)間步長和多時(shí)間步長上的預(yù)測效果。最后,得出以下主要結(jié)論:（1）相比分片6,分片11的采樣方式有更低的均方根誤差;（2）最優(yōu)多步長的預(yù)測效果比單步長的要好;（3）通過圖例上周期的起始點(diǎn)、結(jié)束點(diǎn)和最大振幅位置3個(gè)點(diǎn)的準(zhǔn)確度證明了多變量的多步長方法有更好的預(yù)測效果。 

【文章來源】：天文研究與技術(shù). 2020,17(03)CSCD

【文章頁數(shù)】：12 頁

【部分圖文】：

1749年到2019年間的13個(gè)月平滑月度太陽黑子觀測值

長短期記憶網(wǎng)絡(luò)的工作原理如圖3,是一個(gè)有t個(gè)時(shí)間步長、2個(gè)網(wǎng)絡(luò)層的結(jié)構(gòu),太陽黑子組成的時(shí)間序列x1,x2,x3,x4,…,xt,第1層的1個(gè)工作單元在接收輸入數(shù)據(jù)x1后與初始化的單元狀態(tài)以及隱藏狀態(tài)計(jì)算當(dāng)前響應(yīng),并將響應(yīng)傳遞給第2個(gè)單元以及上一層的第1個(gè)單元,第1層的第2個(gè)單元在下一時(shí)刻接收輸入數(shù)據(jù)x2和上一個(gè)單元的狀態(tài)量h 1 1 后,又將結(jié)果傳輸給第3個(gè)單元和第2層的第2個(gè)單元,以此類推。第2層的單元接收第1層的輸出作為輸入,按照與第1層相同的方式傳遞計(jì)算的結(jié)果,并輸出每個(gè)單元的隱藏狀態(tài)h t k 作為每個(gè)時(shí)間步長的輸出結(jié)果。在長短期記憶網(wǎng)絡(luò)中,時(shí)間序列按照時(shí)間步長被分為多個(gè)有序數(shù)據(jù)段,每個(gè)數(shù)據(jù)段傳入的工作單元中都以不同的權(quán)重計(jì)算輸出結(jié)果。時(shí)間步長為1的預(yù)測方法稱為單步長預(yù)測方法,大于等于1的稱為多步長預(yù)測方法。圖3 長短期記憶網(wǎng)絡(luò)的網(wǎng)絡(luò)層

圖2 長短期記憶網(wǎng)絡(luò)單元由此可知,當(dāng)設(shè)時(shí)間步長為1時(shí),只有一個(gè)單元提供權(quán)重和輸出輸入的響應(yīng),所有數(shù)據(jù)通過一個(gè)單元建立時(shí)間序列數(shù)據(jù)的信息持久性。而在多個(gè)時(shí)間步長的網(wǎng)絡(luò)中,多個(gè)單元為時(shí)間序列提供不同的權(quán)重,并且不僅在單元自身建立信息的持久性,在鏈?zhǔn)芥溄拥膯卧g也為時(shí)間序列建立信息的持久化,并增加了時(shí)間序列數(shù)據(jù)在時(shí)間上的相關(guān)性。所以,從一定程度上說,多時(shí)間步長的網(wǎng)絡(luò)模型能為時(shí)間序列在響應(yīng)過程中提供更豐富的權(quán)鏈接和多重的信息相關(guān)性,基于此提出了多步長的預(yù)測方法。

【參考文獻(xiàn)】：
期刊論文
[1]太陽活動(dòng)對(duì)中國中緯度地區(qū)8級(jí)大地震的可能觸發(fā)[J]. 蘇同衛(wèi),李可軍.  天文研究與技術(shù). 2007(02)
[2]太陽活動(dòng)與天氣和氣候變化的關(guān)系的評(píng)述(英文)[J]. 沈玫,呂達(dá)仁.  云南天文臺(tái)臺(tái)刊. 1989(S1)



本文編號(hào)：3528961