结合支持向量机和近邻法的太阳耀斑预报方法

	结合支持向量机和近邻法的太阳耀斑预报方法
	李蓉 ; 崔延美
刊名	计算机工程与设计
	2009
卷号	30 期号:15 页码:3605-3607,3611
关键词	支持向量机核函数最优分类超平面预报因子代表点
ISSN号	1000-7024
其他题名	Solar flare forecasting method of combining support vector machine with nearest neighbors
通讯作者	北京8701信箱
中文摘要	为了提高太阳耀斑预报模型的预报精度,提出了一种结合支持向量机和近邻法(SVM-KNN方法)的太阳耀斑预报方法。将太阳耀斑预报问题看作一个模式识别问题,在此基础上建立新的预报方法。选择太阳活动区的特征参量作为预报因子,如果活动区未来48小时发生大于等于M级耀斑标识为正例样本,未发生耀斑为反例样本,由这些样本组成训练集代入SVM训练算法构造了耀斑预报模型。通过输入活动区的特征参量值,预报模型使用SVM-KNN分类算法预报该活动区未来2天内是否发生太阳耀斑。模拟预报结果表明,新方法比使用SVM方法具有较高的报准率,可以应用到其它太阳活动预报领域。
英文摘要	A prediction method of combining support vector machine (SVM)and nearest neighbors principle (called SVM—KNN me~od) is proposed in order to improve the prediction accuracy．Firstly,the solar flare prediction is taken as a pattern recognition problem，based on which the new classifying method is applied． The feature parameters of solar active region are selected as predictor． The sampleislabeledpositive sam pleifa solar flare oflarge and equalthan M classisbustedinitinthefuture48hours． Otherwise．it is taken as negative sam ple． Th e training set composed using these samples is put into SVM training algorithm to construct prediction mode1．After inputting the parameters value ofactive region，the SVM —KNN method is applied to predict whether a solar flare will burstin the coming two days．The prediction results show that the new method has higher forecast accuracy than that of SVM method has． This promising method is expected to play an important role in other solar flare forecasting fields．
学科主题	空间环境
语种	中文
内容类型	期刊论文
源URL	[http://ir.cssar.ac.cn/handle/122/378]
专题	国家空间科学中心_空间环境部
推荐引用方式 GB/T 7714	李蓉,崔延美. 结合支持向量机和近邻法的太阳耀斑预报方法[J]. 计算机工程与设计,2009,30(15):3605-3607,3611.
APA	李蓉,&崔延美.(2009).结合支持向量机和近邻法的太阳耀斑预报方法.计算机工程与设计,30(15),3605-3607,3611.
MLA	李蓉,et al."结合支持向量机和近邻法的太阳耀斑预报方法".计算机工程与设计 30.15(2009):3605-3607,3611.