排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
太阳黑子变化是太阳强磁扰动的表征。结合长短期记忆单元神经网络和一维卷积神经网络预测太阳黑子变化,使用3种不同的数据集,分别为1700—2020年年均太阳黑子数（yearly mean sunspot number,YSSN）、1749—2021年月均太阳黑子数（monthly mean sunspot number,MSSN）和1874—2021年月均太阳黑子面积（monthly mean sunspot area,MSSA）。首先,基于YSSN数据集,预测得到2021年YSSN以及第25太阳周YSSN,2025年预测值达到最大,其值为163.4;其次,基于MSSN数据集,预测得到2021年6月MSSN以及第25太阳周MSSN,2024年10月预测值达到最大,其值为245.9;接着,基于MSSA数据集,预测得到2021年6月MSSA,其值为73.1;最后,基于MSSA数据集,将纬度划分为13个分区,发现可以重建太阳黑子蝴蝶图。以上均表明神经网络方法为探测太阳黑子变化提供了新的解决思路。 相似文献
2.
地震预报是当代科学难题,把机器学习方法运用于地震预报探索是一个研究热点。大地震造成巨大的人员伤亡和经济损失,因此对大震的预测是地震预报的主要目标。利用1970年以来的川滇地震目录,选择16个反映地震时空强度分布特征的地震预测因子,采取滑动时空窗口方法有效地挖掘数据的隐藏信息,对川滇部分地区开展了基于长短期记忆（long short-term memory,LSTM）神经网络的为期一年的地震预报研究。结果显示,用1970—2019年地震目录的70%（时间窗口大概为1970年到2004年前后）作为训练集训练网络,对剩余的30%作为测试集（时间窗口大概为2005年前后到2019年底）进行回溯性预报检验时,实际震级落在预测震级±0.5内的准确率为70.2%,虚报率为18.7%,漏报率为11.1%,可以回溯性预测2008年汶川MS8.0地震。为测试模型的稳健性,进行了扩大研究区域范围、改变大震级地震在均方差计算中的权重等测试。在这些测试中,LSTM神经网络模型依然表现良好。 相似文献
1