204 / 320
202
нейронов во входном слое, т.е. число величин, характеризующих динамику
каждого входного параметра, желательно выбирать минимальным и
достаточным для конкретной задачи.
§ 7.3. Долгосрочное прогнозирование индексов солнечной активности
Представление примеров применения нейросетевого метода,
направленного на восстановление рядов данных, начнем с решения задачи
о возможности долгосрочного прогнозирования среднегодовых чисел
Вольфа и среднемесячных значений потока излучения Солнца на частоте
2800 МГц (SF-индекс) [
Бархатов и др., 2001; Бархатов и др., 2002
].
Для решения этой задачи использована ИНС с обратной связью.
Необходимость прогнозирования индексов солнечной активности
представляется важной в свете значительной геоэффективности ее
проявлений. В настоящее время основными индексами, принятыми
для описания солнечной активности, являются: число Вольфа –
W=k(10g+f), где k – приборный коэффициент, g – число групп пятен,
f – общее число пятен; поток излучения Солнца на частоте 2800 МГц;
корональный индекс – излучение в линии Fe XIV (530,3 нм); вспышечный
индекс Q = I
T (I – коэффициент балльности солнечной вспышки,
T – продолжительность в минутах), усредненные за разные интервалы.
Перечисленные индексы имеют различные периоды регистрации. Так,
числа Вольфа рассчитываются с 1700 г., корональный индекс
регистрируется с 1939 г., поток на частоте 2800 МГц – с 1947 г.,
вспышечный индекс – с 1976 г. Эти данные представлены в сети Интернет
с суточным, месячным и годовым усреднением.
В данном исследовании проанализировано использование
рекуррентной
ИНС
с
обратным
распространением
ошибки
[
Бархатов и др., 2000
] и включенной петлей обратной связи, исходящей из
скрытого слоя для прямого и итерационного прогнозирования временного
ряда индекса W и среднемесячного потока излучения на частоте
2800 Мгц (SFm). Здесь при обучении ИНС и прогнозировании W приняты
во внимание его предыстория, а также среднегодовые значения потока
излучения на частоте 2800 Мгц (индекс SF) и коронального индекса (CI).
Прогнозирование SFm выполнено по предыстории и с учетом
последовательности среднемесячного коронального индекса (CIm).
Методика прогнозирования включала в себя оригинальный подход,