極光卵極光強度的空間分布是太陽風-磁層-電離層能量耦合過程的重要表現,并且隨著空間環(huán)境參數和地磁指數的變化而變化,是空間天氣的重要指示器.建立合適的極光強度模型對亞暴的預測以及磁層動力學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)數據,采用兩種不同的極光強度表征方法,即曲線擬合方法(從UVI圖像數據中提取極光強度沿磁余緯方向上的曲線特征,Curve Feature along the Magnetic Co-latitude Direction of the Auroral Intensity,CFMCD_AI)和網格化方法(從UVI圖像數據中提取極光強度的網格化特征,Gridding Feature of the Auroral Intensity,GF_AI),來構造極區(qū)極光強度特征數據庫.然后,利用該數據庫,采用廣義回歸神經網絡(Generalized Regression Neural Network,GRNN)構建了以行星際/太陽風參數(行星際磁場三分量、太陽風速度和密度)和...

【文章頁數】：13 頁

【文章目錄】：
0 引言
1 數據和方法
    1.1 數據來源及簡介
    1.2 紫外極光強度特征提取
        1.2.1 CFMCD＿AI特征的提取
        1.2.2 GF＿AI特征提取
2 GRNN神經網絡及其極光強度建模
    2.1 GRNN神經網絡
    2.2 基于GRNN＿CFMCD＿AI的極光強度建模
    2.3 基于GRNN＿GF＿AI的極光強度建模
3 實驗結果與分析
    3.1 主觀評價結果
    3.2 客觀評價結果
5 結論



本文編號：3736635