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.     

对日冕物质抛射分类的定量研究

众所周知，日冕物质抛射（CME）的性质强烈地决定于其结构，故对日冕物质抛射的结构进行强度分类，对研究日地事件有重要的意义，利用模糊综合评判方法，可对日冕物质抛射的分类进行定量研究，该方法通常需考虑多个因素，如各类CME的速度、跨度、质量和动能。将其作为评判因素集，并确定相应的隶属度函数，通过计算，可以将CME分成强（strong）、中（middle）、弱（weak）3大类，并根据隶属度值的大小，给出各类CME平均特性的相对强弱排序，分析表明模糊综合评判方法优于一般的统计方法。