Forecast daily indices of solar activity, F10.7, using support vector regression method
Forecast daily indices of solar activity, F10.7, using support vector regression method
复制标题
使用支持向量回归方法预测太阳活动的每日指数，F10.7
DOI：
10.1088/1674-4527/9/6/008
复制
发表时间：
2009-06
影响因子：
1.8
通讯作者：
中科院分区：
文献类型：
--
作者：
10.7 厘米太阳射电通量 (F10.7)，即波长为 10.7 厘米的太阳射电发射通量密度值，是一个有用的太阳活动指数，可作为太阳极紫外辐射的替代指标。准确预测 F10.7 值对于长期（月-年）和短期（天）预报是有意义且重要的，这些预报通常用作空间天气模型的输入。本研究应用一种新颖的神经网络技术，即支持向量回归 (SVR) 来预测 F10.7 的每日值。本研究的目的是检验 SVR 在短期 F10.7 预测中的可行性。该方法基于SVR，通过使用基于核的学习算法来减少训练过程中特征空间的维数。这样，计算的复杂度就变低了，少量的训练数据就足够了。采用2002年至2006年F10.7时间序列作为数据集。该方法的性能是通过计算范数均方误差和平均绝对百分比误差来估计的。结果表明，我们的方法可以通过使用比传统神经网络更少的训练数据点来表现良好。
The 10.7 cm solar radio flux (F10.7), the value of the solar radio emission flux density at a wavelength of 10.7 cm, is a useful index of solar activity as a proxy for solar extreme ultraviolet radiation. It is meaningful and important to predict F10.7 values accurately for both long-term (months-years) and short-term (days) forecasting, which are often used as inputs in space weather models. This study applies a novel neural network technique, support vector regression (SVR), to forecasting daily values of F10.7. The aim of this study is to examine the feasibility of SVR in short-term F10.7 forecasting. The approach, based on SVR, reduces the dimension of feature space in the training process by using a kernel-based learning algorithm. Thus, the complexity of the calculation becomes lower and a small amount of training data will be sufficient. The time series of F10.7 from 2002 to 2006 are employed as the data sets. The performance of the approach is estimated by calculating the norm mean square error and mean absolute percentage error. It is shown that our approach can perform well by using fewer training data points than the traditional neural network.
登录
查看更多内容
影响因子：
--
作者：
V. Gavrishchaka;S. B. Ganguli
通讯作者：
V. Gavrishchaka;S. B. Ganguli
DOI：
10.1017/cbo9780511801389.013
发表时间：
2000-03
期刊：
--
影响因子：
--
作者：
N. Cristianini;J. Shawe-Taylor
通讯作者：
N. Cristianini;J. Shawe-Taylor
支持向量机结合K近邻在太阳耀斑和太阳质子事件预测中的应用
影响因子：
2.6
作者：
Li, Rong;Cui, Yanmei;Wang, Huaning
通讯作者：
Wang, Huaning
影响因子：
--
作者：
Cherkassky, V
通讯作者：
Cherkassky, V
DOI：
10.1017/cbo9780511801389.005
发表时间：
2000-03
期刊：
--
影响因子：
--
作者：
N. Cristianini;J. Shawe-Taylor
通讯作者：
N. Cristianini;J. Shawe-Taylor