王家龙, 张柏荣[1]1990年在《太阳活动预报简论》文中认为本文对太阳活动预报的目的、方法以及预报的现状和发展趋势作了简评,特别对太阳活动的长期、中期和短期预报作了论述。文章最后总结了各类太阳活动预报面临的改进问题,并简单讨论了太阳活动预报和空间环境服务组织的工作问题。
贺晗, 王华宁, 杜占乐, 黄鑫, 郭娟[2]2018年在《数值化太阳活动预报中的关键技术分析》文中提出发展数值化太阳活动预报关键技术,通过对观测数据的数值计算以及人工智能建模算法,构建新型的数值化太阳活动预报模式,预报太阳耀斑和日冕物质抛射对地效应。1太阳活动数值计算分析模式利用空间卫星获取的高质量太阳活动观测数据,基于物理模型进行数值计算,得到日冕磁场和日冕物质抛射的叁维空间分布以及反映太阳活动区活动状况的多个物理参量。1.1太阳全球面日冕磁场数值计算模式利用SDO-HMI太阳光球综合磁图数据,基于日冕磁场物理模型,通过数值计算得到日冕大尺度叁维磁场的总体空间分布。1.2太阳活动区日冕磁场数值计算模式利用SDO-HMI太阳活动区光球矢量磁图数据,基于日冕磁场物理模型,通过数值计算得到活动区局部日冕叁维磁场的精细空间分布。1.3太阳活动区物理参量计算模式利用SDO-HMI太阳活动区光球矢量磁图数据和活动区日冕磁场数值计算数据,计算得到太阳活动区多个物理参量的空间分布。主要物理参量如下:1.4日冕物质抛射叁维重构计算模式利用SOHO-LASCO白光日冕仪图像数据,基于偏振或遗传算法,重构得到日冕物质抛射质量密度的空间叁维分布。2数值化太阳活动预报模式针对太阳耀斑预报和日冕物质抛射对地效应预报构建数值化预报模式,得到太阳耀斑和日冕物质抛射对地效应预报结果。2.1太阳耀斑预报模式利用基于深度学习的人工智能预报建模技术,输入SDO-HMI太阳活动区光球矢量磁图数据和SDO-AIA极紫外图像数据,输出未来24小时M级及以上太阳耀斑有无预报结果。2.2日冕物质抛射对地效应预报模式把日冕物质抛射空间分布重构结果(由1.4日冕物质抛射叁维重构计算模式生成)作为国际上主流的SWMF行星际传播模型的输入,得到日冕物质抛射对地效应预报结果(日冕物质抛射是否会传播到地球附近以及预计到达时间)。
赵海娟[3]2004年在《太阳活动预报》文中认为本文介绍了对太阳活动预报(短期预报和警报、中期预报、长期预报)研究的目的和意义(和进展)，以及本人在硕士阶段的研究工作。 第一章太阳活动短期预报和警报，具体介绍太阳活动短期预报和警报所研究的主要内容：太阳耀斑、日冕物质抛射(CME)、质子事件、太阳活动指数如太阳黑子数、10.7cm射电流量以及高速太阳风等的预报和警报，并介绍了与之相对应的研究方法；另外还介绍了国内外在短期预报和警报方面的研究现状，及目前国内外从事这方面研究的主要科研机构或组织的概况。 第二章太阳活动中期预报，介绍了太阳活动中期预报的研究内容、研究方法及目前国内外研究现状等。 第叁章太阳活动长期预报，介绍了太阳活动长期预报的研究内容、研究方法及目前国内外研究现状等。 第四章给出了本人在硕士阶段已经完成的对第23周的预报研究工作。利用已知的22个完整太阳活动周平滑月平均黑子数的记录，给出了对正在进行的太阳活动周发展趋势进行预测的方法，并应用于第23周，同时与其它相似周方法给出的预测结果进行了比较。 第五章给出了我们对太阳活动极大时刻和极小时刻的确定方法，这是太阳活动研究的基础性工作。对太阳活动第13，14周的极小时刻和14，19周的极大时刻进行了确定。12和13周之间的极小时刻发生在1889年11月(1889．9)，13和14周之间的极小时刻发生在1901年11月(1901．9)。14周的极大时刻发生在1906年2月(1906．1)，19周的极大时刻发生在1958年3月(1958．2)。
叶宗海, 都亨[4]1997年在《中国的空间环境研究》文中进行了进一步梳理主要介绍我国的空间环境研究及其进展，包括空间环境探测，特别是利用卫星探测；空间环境资料和模式的收集与研究；空间环境与航天器的相互作用及其对航天器的影响；以及空间环境预报等．
赵海娟, 梁红飞, 占腊生, 钟树华[5]2003年在《预报第23周平滑月平均太阳黑子数的一种方法》文中研究指明利用已知的22个完整太阳活动周平滑月平均黑子数的记录,对正在进行的太阳周发展趋势给出了预测方法,并应用于第23周,同时与其他预报方法的结果进行了比较。
李蓉, 朱杰, 黄鑫[6]2014年在《太阳耀斑预报研究进展》文中进行了进一步梳理太阳耀斑是指发生在太阳表面局部区域中突然和大规模的能量释放过程.它是空间环境的主要扰动源,对地球空间环境造成很大影响.太阳耀斑预报是空间天气预报的重要组成部分,对其研究具有重要的实用价值和科学意义.现有的大部分太阳耀斑预报模型是从观测数据提取预报因子,利用各种统计和数据挖掘技术建立预报因子与耀斑发生之间的关系模型,利用建立的模型对未来时间的耀斑发生进行预报.在预报研究中,预报因子、预报方法和预报模型是3个主要研究领域.其中预报因子的选取和数据处理尤为重要,是建立预报模型的前期工作.预报因子主要采用太阳黑子、磁场参量和分形因子等.预报方法包括统计方法、机器学习方法和数据同化方法.统计方法在早期的耀斑预报建模中用的较多,随着数据挖掘技术的发展,越来越多的机器学习方法应用到预报模型中并取得了较好效果.而近期发展的数据同化方法有更好的模型修正能力.预报模型早期基本使用静态模型,后来发展起来的动态模型具有更强的优势;而自组织临界模型在物理方面给了耀斑发生更多的解释.本文分别从这3个方面总结了耀斑预报的研究进展,结合中国科学院国家天文台太阳活动预报中心的工作,评述了一些重要的研究成果.最后,对未来的研究方向进行了总结和展望.
占腊生[7]2003年在《太阳长期活动特征的研究》文中进行了进一步梳理本文综述了太阳活动周期、太阳活动延伸周、太阳活动预报和太阳活动在日面上分布等有关太阳长期活动规律的理论研究；详细介绍了本人在太阳长期活动特征方面的研究工作，具体内容如下： 1．运用小波技术对太阳射电流量28MHz，太阳黑子数和太阳黑子面积数周期进行分析。其结果表明：(1)这叁个系列的数据除显示各自的不同周期外，其共同的周期分别是10.69年，5.11年和155天。最显着的周期是10.69年。(2)小波功率谱给出了全部时间—周期范围的功率谱变化。它显示了在某个周期处于某个时段的局部功率的变化。有利于对数据进行局部分析。(3)太阳射电28MHz，太阳黑子数和太阳黑子面积数的几个周期(10.69年，5.11年，155天)的小波功率谱比较相似。出现峰值的时间相同；曲线的起伏相似，周期越小，曲线起伏的频率越大。 2．利用与Hathaway et al．(1994)相同的四个参数函数，对月平均太阳黑子面积和平滑的月平均太阳黑子面积进行了分析。结果显示，在四个参数的函数可以减少为二个参数的函数。这二个参数的函数可以很好的描述太阳黑子面积活动周。但对不同的数据系列进行分析时得到的参数b值，以及参数a和c的关系式都不同。这二个参数a和t_0在活动周开始4～4.5年后就可以确定。因此，根据这二个确定的参数值，该函数可以对活动周剩下的5～10年太阳活动给出很好的预报。利用平滑月平均太阳黑子面积进行拟合得出的参数a和t_0值，比利用月平均太阳黑子面积拟合得到的参数a和t_0值要早一年确定。由于平滑值是用13个月的移动平均获得的，它需要用到比观测值多6个月的数据。误差分析显示，黑子面积平滑月均值更适合于用在最大期和下降期，在活动周早期，采用月均值更好一些。我们也给出了第23周太阳活动的预报。 3．对第12周至第22周的太阳黑子月平均面积值进行统计分析，并与相应的太阳黑子相对数活动周进行比较。结果表明：(1)太阳黑子数与太阳黑子面积数成正比例关系；在多数情况下，太阳黑子出现最大值的时间与太阳黑子面积数出现最大值的时间上不一致；(2)太阳黑子平滑月平均数活动周上升期与太阳黑子平滑月平均面积数上升期在大多数情况下不相同；一般情况下，太阳黑子平滑月平均数活动周平均效果的瓦德迈尔效应(Waldmeier effect)比太阳黑子平滑月平均面积数的活动周明显。(3)太阳黑子平滑月平均面积数活动周周长和其上升期存在低度正相关，表明上升期增长，周长有增大的趋势。太阳黑子平滑月平均面积数活动周的上升期明显小于下降期；极大值Amax与不对称因子Asymmetry存在微弱的正相关。 4．运用Hathaway et al．(1994)提出并用于太阳活动第1～22周的两个参数函数，对太阳黑子活动第23周下降期进行了预报。结果显示：(1)运用平滑月平均太阳黑子数进行预报比用未平滑的月平均太阳黑子数预报，在活动周早期，就可以给出更好，更稳定的太阳活动预报。(2)对于第23周最小期时间的两种不同提法，研究发现，在活动周的任意时间，1996年10月作为最小时刻得出的t_0和a值都比以1996年5月作为最小时刻得出的值好。因此，太阳活动第23周的开始时间以1996宁‘了洋解厂居戈太阳长期活动特征的助究勺10月比1996年5月更合适。 5.采用四种太阳活动指数来分析第23周太阳活动的不对称性。这四种指数是:月平均太阳黑子群数、月平均太阳黑子面积、月平均太阳耀斑指数和磁场剪切角。分析结果显示:(l)在第23周开始的前6年左右，太阳活动存在微弱的不对称性;(2)不同太阳活动现象或指数的不对称性，并不发生在同一活动周的同一时期。
韩延本, 尹志强, 王博[8]2018年在《利用太阳周初期月黑子数上升率预报周峰值的检验》文中进行了进一步梳理简要介绍了利用太阳活动周初期月平滑太阳黑子数(SSN)的上升率预报太阳周极大值的方法.利用回归方法计算太阳周初期24个月的月黑子数上升率,分析得到上升率与太阳活动周极大值的定量关系,依此对极大值的幅度做出预报.检验了作者在2000年发布的利用这个方法提前对第23周极大值做出的预报,其后与实际测量结果的比较表明预报与实际测量结果符合得较好,预报值的相对误差约为实测值的15.2%.同时本文重点介绍了利用该方法和国际上发布的新的V2.0版黑子序列对第22~24周的极大值统一进行的模拟预报,以检验该方法的有效性,结果表明对这3个活动周的模拟预报与实际测量结果符合得较好,预报误差分别约为实测值的10.6%,6.4%和15.2%.作者认为该预报方法具有一定的应用价值.
林钢华[9]2014年在《Hα观测数据预处理、太阳活动现象自动识别与太阳活动预报产品》文中认为对观测台站成绩的评估,在于其观测数据的使用状况。本项研究试图利用怀柔观测的Hα数据进行太阳活动预报。地面太阳观测面临流云干扰,流云可能造成太阳活动事件记录不完整、太阳活动现象识别错误、太阳活动事件跟踪错误、相关统计工作无法开展。本文介绍了
宋丹[10]2013年在《空间环境地磁活动短期和中期预报的初步分析》文中进行了进一步梳理随着我国航天事业的发展,空间环境及空间环境预报越来越受到重视,磁暴是造成空间灾害及地面一些技术系统故障的主要原因之一,因此,地磁预报在各类科研和业务领域都是热点。本文主要是对地磁暴预报方法的研究,从而预测地磁暴的发生,为空间天气业务提供可靠资料,更好的为其服务。地磁场扰动可以引起近地空间环境(包括电离层和磁层)一系列变化,地磁Kp指数是空间天气扰动的重要参考指标。本项工作中,我们采用地球同步轨道GOES-8卫星监测到的地磁场Hp分量数据,分析了地磁Kp指数与Hp分量波动的幅度之间的统计关系,结果显示,Hp分量的变化与Kp指数具有很好的相关性。我们采用回归分析和RBF神经网络方法,建立了Kp指数现报模型,根据地球同步轨道地磁场Hp分量的变化,计算出相同时段的Kp指数。监测结果表明,预报方法具有一定的有效性和实用性,特别是人工神经网络模式计算的Kp指数与实测结果吻合很好。利用此方法能够在不依赖于地面地磁探测数据的情况下,快速预报地磁扰动,及时为空间天气保障提供参考。同时鉴于我国即将发射的风云四号搭载有地磁场探测仪,本项研究为我国自主数据的应用奠定了基础。太阳风速度是决定地磁扰动发生和幅度的重要参数,并在地磁暴中期预报中发挥重要作用,由于STEREO-B卫星位于地球的上游,其探测到的太阳风速度有重要的参考作用。本项工作中,我们采用小波分析方法讨论了2008-2011年ACE和STEREO_B卫星太阳风速度的27天周期特性,运用一元线性回归分析方法计算了两颗卫星太阳风速度的线性表达式,分析和计算结果表明,ACE和STEREO_B卫星探测到的太阳风速均在频域8-16d、16-32d尺度显着,且在局部的相同时域上,两者太阳风速的27天周期都是显着的；而且当太阳活动低年时,相关性好。作为应用实例,使用STEREO_B卫星太阳风探测数据,预测2012年10月1-17日的ACE太阳风速度,结果表明,预测值与实测值趋势一致,CME过程对预测值有一定影响。通过该项研究,初步统计出了ACE和STEREO_B太阳风速度的关系,并利用STEREO B能够提前几日感受到由太阳吹向地球的太阳风特性,为建立直观的重现型地磁暴中期预报模型打下了基础。其它探测数据,如宇宙线等对于空间天气预报也有重要作用,在第四章,分析讨论了地面宇宙线和太阳风速度的关系,初步分析出两者在太阳活动低年时,相关性好,呈现负相关,为新数据(宇宙线)的预报方法的开发打下基础。
参考文献：
[1]. 太阳活动预报简论[J]. 王家龙, 张柏荣. 天文学进展. 1990
[2]. 数值化太阳活动预报中的关键技术分析[C]. 贺晗, 王华宁, 杜占乐, 黄鑫, 郭娟. 第35届中国气象学会年会 S18 空间天气观测与业务的融合. 2018
[3]. 太阳活动预报[D]. 赵海娟. 中国科学院研究生院（云南天文台）. 2004
[4]. 中国的空间环境研究[J]. 叶宗海, 都亨. 地球物理学报. 1997
[5]. 预报第23周平滑月平均太阳黑子数的一种方法[J]. 赵海娟, 梁红飞, 占腊生, 钟树华. 天文学报. 2003
[6]. 太阳耀斑预报研究进展[J]. 李蓉, 朱杰, 黄鑫. 科学通报. 2014
[7]. 太阳长期活动特征的研究[D]. 占腊生. 中国科学院研究生院（云南天文台）. 2003
[8]. 利用太阳周初期月黑子数上升率预报周峰值的检验[J]. 韩延本, 尹志强, 王博. 科学通报. 2018
[9]. Hα观测数据预处理、太阳活动现象自动识别与太阳活动预报产品[C]. 林钢华. 中国天文学会2014年学术年会论文摘要集. 2014
[10]. 空间环境地磁活动短期和中期预报的初步分析[D]. 宋丹. 南京信息工程大学. 2013