FMI方法计算地磁K指数的初步研究

对使用地磁场X和Y分量计算地磁K指数的FMI方法进行修改,使其成为适合于我国地磁观测H分量K指数的计算方法——FMI—H方法。使用该方法,对肇庆数字地磁仪的分钟值数据计算了K指数,并与全国平均K指数进行比较和统计检验。结果表明,使用FMI—H方法计算的K指数,不管是在K频次分布还是逐时值,或是日总和,都与全国平均K指数有很好的一致性。该方法可应用于我国数字化地磁资料的K指数测定计算。     

北京地磁台K指数3小时扰幅修正及 K指数计算机标定

我国基本处于磁纬40°以下地区,K指数的3小时扰幅一般取:3-6-12-24-40-70-120-200-300 nT.这一K指数3小时扰幅是以磁纬20.88°的佘山地磁台观测数据为基础,按照Bartels 提出的一系列准则而确定的.然而,由于不同地磁台地磁纬度的不同,K指数的3小时扰幅也需要进行相应的修正.本文以北京地磁台(磁纬29.63°)为例,通过频次比较的方法,分别以佘山台K指数和Kp为标准,根据1994~1999年共6年的北京地磁台H分量分均值数据,给出了一个比较合理的北京地磁台K指数3小时扰幅:3.9-7.8-15.6-31.2-47.5-70-120-200-300 nT.基于这一3小时扰幅,采用修正的FMI方法标定了1997年北京地磁台的K指数.将标定结果与磁暴基础数据库中北京台、佘山台和Kp指数进行频次比对,并进行同一3小时段标定差异统计.数据分析表明,修正后比修正前K指数的标定更加合理.     

利用人工神经网络预测电离层foF2参数

利用人工神经网络技术实现了电离层f_oF₂参数提前1小时预测.从f_oF₂时间序列本身的变化特征出发,根据时间序列相关分析结果确定网络输入参数.选用当前时刻f_oF₂值,预测时刻前一天的f_oF₂值,预测时刻前7天f_oF₂平均值,当前时刻前7天f_oF₂平均值,f_oF₂的一阶差分及表示当前时刻t的变量共六个参数作为神经网络输入,下一时刻值作为神经网络输出.对于太阳活动高年平均预测相对误差小于6%,均方根误差小于0.6 MHz,太阳活动低年平均预测相对误差小于10%,均方根误差小于0.5 MHz     

地磁场K变化的信息熵

K指数作为最常用的一种地磁活动指数,它描述的是地磁场不规则变化的扰动程度,因此,地磁场的不规则变化又称为K变化.K指数虽已有70多年的历史,并在世界范围内被普遍接受,然而,它只能反映扰动的幅度,无法反映扰动的次数,只标定扰动幅度最大的分量,无法给出地磁场三分量扰动的总体描述,同时,K指数的标定还与坐标选择有关.从信息科...     

利用卡尔曼滤波技术提取地磁规则日变化

地磁规则日变化的有效提取能够提高地磁活动指数现报的准确性.本文基于1998—2013年北京十三陵(BMT)台站的地磁数据,利用卡尔曼滤波(KF)方法提取了地磁场规则日变化(S_R)曲线.该方法提取的S_R曲线具有明显的逐日变化特征,能够准确反映S_R曲线的季节变化和地方时效应.根据KF方法得到的S_R日变幅度逐日变化的结果,改进了K指数的量算方法,重新计算了十三陵台站的K指数以及Ak指数,并分析了S_R日变幅度的逐日变化对K指数量算的改进程度.分析结果表明,当K≤3时,KF方法可以较好地改善S_R曲线扰动幅度的计算,提高了地磁规则日变化提取的有效性,从而改进相应的地磁活动指数的量算.     

嘉峪关地震台磁通门磁力仪记录准确度分析

通过日变化记录准确度标定的基线值和同台多套仪器记录的分均值资料,应用差值分析方法,结合仪器定向实验,对磁通门磁力仪记录准确度进行研究。分析发现,磁通门磁力仪GM4(6)的H分量和GM4(8)的Z分量记录的地磁场变化准确度存在偏差,定向实验发现,仪器3个磁通门传感器线圈正交度存在误差,是引起磁通门磁力仪记录准确度偏差大的主要原因。     

基于EMD方法与RBF神经网络的结构损伤检测

针对结构损伤检测中损伤的识别、定位以及程度的标定这三个独立并按一定先后顺序进行的检测过程,提出了一种能将以上三者同时进行的联合检测方法。该方法首先利用经验模态分解(EMD)方法将三层钢筋混凝土剪切型结构在各种损伤工况下的顶层地震作用加速度响应分解为若干固有模态函数(IMF)分量,然后以此IMF分量和未经EMD分解的原始加速度响应数据来构造损伤标识量,作为特征参数依次输入到径向基函数神经网络(RBFNN)中进行损伤检测。给出了应用此方法的具体步骤,通过仿真实验证明了利用该方法进行结构损伤一次检测的可行性和有效性,结果表明,由加速度响应经EMD分解而得到的IMF分量输入到RBFNN中能够更为精确地一次检测出结构所有损伤信息,并且RBFNN在结构损伤损度大时具有更好的检测效果。     

地磁活动K指数自动计算FMI方法的改进

将Kp指数与国际地磁学与高空物理学协会(International Association of Geomagnetism and Aeronomy,下文简称IAGA)推荐的FMI方法(V1.0)计算的K值对比分析后发现,二者的差值在中国区域内出现"不同台站之间K1~K8两头离散、K值整体高出K_p约0.5个单位、个别日期S_R计算错误、相邻日期S_R频繁出现跨天台阶"现象.针对这些现象,分析了可能产生的原因,并对原FMI算法进行了四处改进.用改进后的FMI算法计算了全球8个台站、中国5个台站在2003-2005年和2009年共4年的K指数数据,并将计算结果分别与Kp指数以及这些台站用其他方法计算的K值进行一致性比较,发现改进后的计算结果与二者更为接近,说明本文对FMI方法的改进是有效的.     

极光沉降粒子能量与AE、Dst指数的相关分析

对NOAA的POES系列极轨卫星观测得到的1978年以来近30年的极光沉降粒子半球能量的估算值EPI(Estimated Power Input)数据进行了分析,结果表明,极光沉降粒子有显著的春秋分峰值的年变化特征,并且有冬季半球沉降能量较大的南北半球不对称性.对EPI的时均值Pa与地磁指数AE、D_st的相关分析得到,Pa与AE的相关系数为0.76,Pa与D_st的相关系数为-0.55.把南北半球的时均值SPa,NPa数据分别与AE,D_st指数做相关,发现SPa与AE的相关性稍高于NPa的,SPa和NPa与D_st的相关性近似.当时延τ=0时,AE与Pa的相关最好,表明全球极光沉降粒子和极光电集流的变化同步;当D_st滞后于Pa,时延τ=1~2 h,Pa与D_st的相关最好,并且时延τ为6～8 h,Pa与D_st的相关都好于无时延的水平.     

基于中国地磁台网地磁子夜均值数据对地磁急变的分析

为探索地磁长期变化中地磁急变事件的识别方法,分析地磁急变的特征,本文基于多个地磁台站子夜均值数据,利用线性拟合方法计算了地磁场X,Y和Z三个分量的年变率,对近年来发生的地磁急变事件进行了识别和分析。结果显示:Y分量能对分析时段内已报道的地磁急变事件进行很好的识别,其中1999年的地磁急变事件,在我国区域内发生的时间可能为1998年,此外2017年可能存在一个新的地磁急变事件;Z分量年变率整体变化平缓,2001年和2013年前后发生两次显著的地磁年变率变化,并且分别早于2003年和2014年两次显著的地磁急变事件时间,这与下地幔的高电导率层对不同分量地磁信号从核幔边界传播至地表过程中的延迟作用有关;X分量年变率出现多次地磁急变事件特征,其变化与D_st指数年变率变化具有相关性,可利用其去除X分量年变率中存在的外部空间电流体系影响成分,更可靠地辅助Y分量对地磁急变事件进行识别。总体上,地磁子夜均值数据年变率的空间分布与基于第12代国际地磁参考场（IGRF12）模型计算的地磁数据年变率的空间分布所呈现的变化特征在总趋势上具有一致性,表明地磁台站子夜均值数据能够反映我国区域地球主磁场的变化特征,而分别由子夜均值数据和IGRF12模型计算的2003年Y分量年变率空间分布均存在的显著局部特征,可能与地磁急变事件的区域特征有关。      

基于改进的BP神经网络构建区域精密对流层延迟模型

利用神经网络算法挖掘海量数据的规律已成为科技发展的一种趋势,本文针对卫星信号的天顶对流层延迟进行建模.对流层延迟是影响卫星定位精度的重要因素之一,建立精密区域对流层模型对高精度定位有着重要的意义.对区域测站对流层延迟数据的分析,考虑到实时建模中传统BP（Back Propagation）神经网络计算量大,易出现"过拟合"现象、不稳定等因素,通过改进的BP神经网络建立了区域精密对流层模型.详细介绍了新模型的建立过程,并与常用的对流层区域实时模型进行了对比.还讨论了建模测站数目对预报精度的影响.相比现有的其他对流层延迟模型,基于改进的BP神经网络构建的区域精密对流层延迟模型无论在拟合和预报方面都有较好的精度,且随着测站数目的增加模型精度趋于平稳.改进的模型参数较少,可以进行实时的区域精密对流层延迟改正;需要播发的信息量小,适用于连续运行参考站系统（Continuously Operating Reference Stations,CORS）的应用.研究表明：改进的BP神经网络模型能够更好的充分利用大规模历史数据描述卫星信号对流层延迟的空间分布情况,适用于实时大区域精密对流层建模.基于日本地区2005年近1000多个测站的NCAR（National Center Atmospheric Research）对流层数据进行区域对流层延迟建模,结果表明改进的BP神经网络模型在拟合和预报精度上都有较大提升,RMSE（Root Mean Square Error）分别为：7.83 mm和8.52 mm,而四参数模型拟合、预报RMSE分别18.03 mm和16.60 mm.     

Long‐lead seasonal rainfall forecasting using time‐delay recurrent neural networks: a case study

A temporal artificial neural network‐based model is developed and applied for long‐lead rainfall forecasting. Tapped delay lines and recurrent connections are two different components that are used along with a static multilayer perceptron network to design a time‐delay recurrent neural network. The proposed model is, in fact, a combination of time‐delay and recurrent neural networks. The model is applied in three case studies of the Northwest, West, and Southwest basins of Iran. In addition, an autoregressive moving average with exogenous inputs (ARMAX) model is used as a baseline in order to be compared with the time‐delay recurrent neural networks developed in this study. Large‐scale climate signals, such as sea‐level pressure, that affect the rainfall of the study area are used as the predictors in the models, as well as the persistence between rainfall data. The results of winter‐spring rainfall forecasts are discussed thoroughly. It is demonstrated that in all cases the proposed neural network results in better forecasts in comparison with the statistical ARMAX model. Moreover, it is found that in two of three case studies the time‐delay recurrent neural networks perform better than either recurrent or time‐delay neural networks. The results demonstrate that the proposed method can significantly improve the long‐lead forecast by utilizing a non‐linear relationship between climatic predictors and rainfall in a region. Copyright © 2007 John Wiley & Sons, Ltd.     

用径向基函数神经网络方法预报太阳黑子数平滑月均值

简单介绍了径向基函数神经网络方法的原理和应用,发展了用径向基函数（RBF）对平滑月平均黑子数进行预报的方法. 用不同的数据序列对网络进行训练,对未来8个月的平滑月平均黑子数进行预报. 用该方法对第23周开始后的平滑月平均黑子数进行逐月预报,并与实测值进行比较,结果表明随着预报实效的延长预报误差被逐渐放大,该方法可以较准确地做出未来４个月的预报,绝对误差可以控制在20以内,标准差为4.8,相对误差控制在38％以内,大部分相对误差不超过15%（占总预报数的89％）,具有较好的应用价值. 用于网络训练的样本数量对预报结果会产生一定的影响.     

基于BP神经网络的波阻抗反演及应用

人工神经网络是近期发展最快的人工智能领域研究成果之一.本文在介绍BP神经网络的有关原理的基础上,提出一种基于BP神经网络模型的波阻抗反演方法,该方法克服了常规基于模型的波阻抗反演方法严重依赖于初始模型的选择和易陷入局部最优等局限性.利用该方法对实际地震剖面进行了波阻抗参数反演处理,结果表明人工神经网络方法在波阻抗反演中的应用是可行的并且是有效的.     

Solar origin of geomagnetic storms and prediction of storms with the use of neural networks

This review deals with how the changes of the large-scale solar magnetic fields are related to the occurrence of solar phenomena, which are associated with geomagnetic storms. The review also describes how artificial neural networks have been used to forecast geomagnetic storms either from daily solar input data or from hourly solar wind data. With solar data as input predictions 1–3 days or a month in advance are possible, while using solar wind data as input predictions about an hour in advance are possible. The predictions one hour ahead of the geomagnetic storm indexD _st from only solar wind input data have reached such high accuracy, that they are of practical use in combination with real-time solar wind observations at L1. However, the predictions days and a month ahead need to be much improved in order to be of real practical use.     

卷积神经网络在地面微地震多道P波极性分类中的应用

微地震监测技术是监测水力压裂过程、评价压裂效果的重要手段。对于地面监测,P波极性能够直接、快速地反演震源机制,同时极性校正能够提高绕射叠加定位方法的成像精度。因此,准确而迅速地确定P波极性对地面微地震实时监测具有重要意义。卷积神经网络是一种深度学习算法,具有强大的特征学习与分类能力,可用来确定微地震事件的P波极性。地面监测多采用星型、网格型等规则观测系统,本文使用目标道及其相邻检波器记录作为输入样本,构建基于卷积神经网络的多道P波极性分类网络模型。实际数据应用结果表明,相比于单道记录的网络模型,多道的网络模型能够将目标道与相邻道相结合来预测目标道的极性,提高规则观测系统下地面微地震P波极性分类的准确率。     

Stability analysis of MDOF real‐time dynamic hybrid testing systems using the discrete‐time root locus technique

The time delay resulting from the servo hydraulic systems can potentially destabilize the real‐time dynamic hybrid testing (RTDHT) systems. In this paper, the discrete‐time root locus technique is adopted to investigate the delay‐dependent stability performance of MDOF RTDHT systems. Stability analysis of an idealized two‐story shear frame with two DOFs is first performed to illustrate the proposed method. The delay‐dependent stability condition is presented for various structural properties, time delay, and integration time steps. Effects of delay compensation methods on stability are also investigated. Then, the proposed method is applied to analyze the delay‐dependent stability of a single shaking table RTDHT system with an 18‐DOF finite element numerical substructure, and corresponding RTDHTs are carried out to verify the theoretical results. Furthermore, the stability behavior of a finite element RTDHT system with two physical substructures, loaded by twin shaking tables, is theoretically and experimentally investigated. All experimental results convincingly demonstrate that the delay‐dependent stability analysis on the basis of the discrete‐time root locus technique is feasible. Copyright © 2014 John Wiley & Sons, Ltd.     

基于GPS技术实时监测2009年7月22日日全食期间长三角区域电离层TEC变化

2009年7月22日上午发生的日全食是21世纪持续时间最长的日全食,其全食带覆盖了中国中部的K江流域,为研究日全食对电离层的影响提供了一次难得的机会,为此本文通过卡尔曼滤波算法实现了实时求解TEC和GPS系统硬件延迟,为实时监测日全食期间电离层变化提供了绝对的电离层TEC.采用上海和浙江区域内GPS网的观测数据,建立了...     

基于闪电双极性窄脉冲事件波形观测日出日落电离层D层变化

利用闪电作为辐射源来探测电离层D层是近年来国外学者研究的热点.本文基于江淮流域六站同步闪电观测站网,实现了一种利用闪电双极性窄脉冲事件（Narrow Bipolar Events,NBE）来探测电离层D层等效高度的方法.基于此方法,对两次分别发生在日出和日落阶段的雷暴分析结果显示,上述两个阶段D层反射高度变化特征呈现显著的不对称性：日出期间D层反射高度随时间线性降低速率为5.9 km/h;而日落期间D层反射高度随时间线性递增速率为8.6 km/h.综合日间太阳耀斑期间D层反射高度剧烈波动的观测事实,与日出、日落期间D层特征变化,结果表明太阳辐射电离中性大气分子的电子生成机制在日间D层电子密度变化中占主导地位.本文结果展现了利用NBE事件监测电离层D层变化特征的可行性,这一方法与基于地闪回击波形的D层探测方法结合在一起,有望把现有具有闪电事件定位和电磁波波形记录能力的闪电观测站网扩展为实时对电离层D层时空变化监测的网络.