Application of LSTM Neural Network in <i>F</i><sub>10.7</sub> Solar Radio Flux Mid-term Forecast
Xu Yang, Yaguang ZHU, Shenggao YANG, Xijing WANG, Qiuzhen Zhong
Abstract
<i>F</i><sub>10.7</sub>指数作为大气密度经验模型的重要输入参量，其预报精度直接影响航天器轨道预报精度.研究发现，太阳活动表现出长时间尺度上平均11年和中短时间尺度平均27天的周期性变化特征.依据这一观测事实，基于长短期记忆单元（Long Short-term Memory，LSTM）递归神经网络方法进行<i>F</i><sub>10.7</sub>指数未来27天的中期预报.利用一个连续长时段<i>F</i><sub>10.7</sub>数据作为训练数据，构建LSTM神经网络训练和预测模型，分别预测太阳活动高低年未来27天的<i>F</i><sub>10.7</sub>指数.结果表明，太阳活动高年的第27天<i>F</i><sub>10.7</sub>指数预报平均相对误差最优可达10%以内，低年最优可达2%以内.
Topics & Concepts
Term (time)PhysicsArtificial neural networkAstrophysicsComputer scienceArtificial intelligenceAstronomySolar Radiation and PhotovoltaicsSolar and Space Plasma Dynamics