發(fā)布時(shí)間：2023-02-07 07:10

　　極光卵極光強(qiáng)度的空間分布是太陽(yáng)風(fēng)-磁層-電離層能量耦合過(guò)程的重要表現(xiàn),并且隨著空間環(huán)境參數(shù)和地磁指數(shù)的變化而變化,是空間天氣的重要指示器.建立合適的極光強(qiáng)度模型對(duì)亞暴的預(yù)測(cè)以及磁層動(dòng)力學(xué)的研究具有重要意義.本文基于Polar衛(wèi)星的紫外極光成像儀(Ultraviolet Imager,UVI)數(shù)據(jù),采用兩種不同的極光強(qiáng)度表征方法,即曲線(xiàn)擬合方法(從UVI圖像數(shù)據(jù)中提取極光強(qiáng)度沿磁余緯方向上的曲線(xiàn)特征,Curve Feature along the Magnetic Co-latitude Direction of the Auroral Intensity,CFMCD_AI)和網(wǎng)格化方法(從UVI圖像數(shù)據(jù)中提取極光強(qiáng)度的網(wǎng)格化特征,Gridding Feature of the Auroral Intensity,GF_AI),來(lái)構(gòu)造極區(qū)極光強(qiáng)度特征數(shù)據(jù)庫(kù).然后,利用該數(shù)據(jù)庫(kù),采用廣義回歸神經(jīng)網(wǎng)絡(luò)(Generalized Regression Neural Network,GRNN)構(gòu)建了以行星際/太陽(yáng)風(fēng)參數(shù)(行星際磁場(chǎng)三分量、太陽(yáng)風(fēng)速度和密度)和...

【文章頁(yè)數(shù)】：13 頁(yè)

【文章目錄】：
0 引言
1 數(shù)據(jù)和方法
    1.1 數(shù)據(jù)來(lái)源及簡(jiǎn)介
    1.2 紫外極光強(qiáng)度特征提取
        1.2.1 CFMCD＿AI特征的提取
        1.2.2 GF＿AI特征提取
2 GRNN神經(jīng)網(wǎng)絡(luò)及其極光強(qiáng)度建模
    2.1 GRNN神經(jīng)網(wǎng)絡(luò)
    2.2 基于GRNN＿CFMCD＿AI的極光強(qiáng)度建模
    2.3 基于GRNN＿GF＿AI的極光強(qiáng)度建模
3 實(shí)驗(yàn)結(jié)果與分析
    3.1 主觀評(píng)價(jià)結(jié)果
    3.2 客觀評(píng)價(jià)結(jié)果
5 結(jié)論



本文編號(hào)：3736635