基于神经网络的未来3天Kp指数预报建模与可解释AI应用OA北大核心CSTPCD
Modeling Next 3-day Kp Index Forecasting with Neural Networks and Exploring the Application of Explainable AI
当前业务中对未来 3天Kp指数预报需求强烈.但地磁暴中多参数耦合导致难以量化各预报因子对Kp值的贡献,制约了预报精度提升.本文构建了神经网络 3天Kp指数预报模型,并使用人工智能(AI)可解释性算法定量化各因子贡献.结果显示,行星际磁场南向分量在提前 3h对Kp指数的贡献为 37.15%,为主要因子,说明模型能捕捉符合物理特征的主要预报因子.Kp指数历史特征贡献随提前量逐渐增加,提前 3天总体贡献占68.06%,验证了对冕洞高速流引起的地磁暴事件…查看全部>>
The current operational needs of space weather forecasting strongly require accurate predic-tions of the future 3-day Kp index.Such forecasts involve a multitude of predictors,including physical parameters observed at the Earth-Sun L1 point and historical characteristics of the Kp index.Therefore,previous research primarily relied on statistical or empirical methods for prediction.However,the com-plex coupling of multiple parameters during geomagnetic storm …查看全部>>
王听雨;罗冰显;陈艳红;石育榕;王晶晶;刘四清
中国科学院国家空间科学中心空间天气学国家重点实验室 北京 100190中国科学院国家空间科学中心空间天气学国家重点实验室 北京 100190||中国科学院大学 北京 100049中国科学院国家空间科学中心空间天气学国家重点实验室 北京 100190中国科学院国家空间科学中心空间天气学国家重点实验室 北京 100190中国科学院国家空间科学中心空间天气学国家重点实验室 北京 100190中国科学院国家空间科学中心空间天气学国家重点实验室 北京 100190||中国科学院大学 北京 100049
地球科学
地磁暴未来3天Kp指数预报神经网络可解释性AI算法
Geomagnetic storm3-day Kp index forecastingNeural networkExplainable AI algorithm
《空间科学学报》 2024 (3)
437-445,9
中国科学院战略性先导科技专项(XDB0560000),国家自然科学基金面上项目(42074224),中国科学院重点部署项目(ZDRE-KT-2021-3),中国科学院国家空间科学中心"攀登计划"青年创新课题(E4PD40012S)和中国科学院青年创新促进会共同资助
评论