Прогнозирование функции числа солнечных пятен в цикле солнечной активности на основе метода искусственной нейронной сети
Автор(ы): Крашенинников И. В.,, Чумаков С. О.
Аннотация
Анализируется возможность прогнозирования функции числа солнечных пятен (SSN) в цикле солнечной активности на основе применения платформы искусственной нейронной сети Элмана к историческому ряду данных обсерваторских наблюдений. Предложен метод нормализации исходных данных ? построения виртуальных идеализированных циклов, используя масштабируемые коэффициенты по времени и значениям максимумов в циклах солнечной активности. Корректность метода рассмотрена в численном моделировании временного ряда SSN. Оценены интервалы изменения адаптируемых параметров нейронной сети и предложен математический критерий для выбора решения. Характерным свойством построенной функции числа солнечных пятен является значительная асимметрия восходящей и спадающей ветвей внутри цикла. Представлен прогноз временного хода на текущий 25-й цикл солнечной активности и обсуждается его общая корректность в сравнении с существующими результатами прогнозирования солнечной активности.
Ключевые слова: число солнечных пятен, SSN, долгосрочное прогнозирование, солнечный цикл, искусственная нейронная сеть
Prediction of the sunspot number function in the solar cycle based on the artificial neural network method
Author(s): Krasheninnikov I.V., Chumakov S.O.
Abstract
Possibility of predicting the sunspot number (SSN) function in the solar activity cycle based on the application of the Elman artificial neural network (ANN) platform to the historical row of observational data is analyzed. We propose a method for normalization of the initial data - construction of virtual idealized cycles, using scaled coefficients on the time and values of maxima in the solar activity cycles. The ANN method correctness is analyzed in numerical simulations of the SSN time series. The intervals of variation for the governimg parameters in the neural network application were estimated, and a mathematical criterion for choosing a solution is proposed. A characteristic property of the constructed sunspot number function is the significant asymmetry of ascending and descending branches within the cycle. The forecast of the time course for the current 25th solar activity cycle is presented, and its general correctness in comparison with the existing results of solar activity forecasting is discussed.
Keywords: number of sunspots, SSN, long-term prediction, solar cycle, artificial neural network
Скачать статью «Прогнозирование функции числа солнечных пятен в цикле солнечной активности на основе метода искусственной нейронной сети»