Dst Index Prediction Method Based on LSTM Neural Network
Year: 2025
Type: article
Abstract: Dst指数是当前使用较广泛的用于反映磁暴过程的小时地磁指数, 对Dst指数的预报是现代空间天气学主要研究内容之一. 基于LSTM神经网络方法, 利用2008－2022年的太阳风参数和Dst指数建立Dst指数预报模型, 分别为使用全时域数据建模的LSTM模型和仅使用磁暴期间数据建模的Storm模型. 使用LSTM模型对2001－2002年期间的Dst指数进行滚动预报, 预报结果显示该模型对提前1～6 h的Dst指数预报相关系数达到0.94以上, 均方根误差在11 nT以内. Storm模型能够较好地解决LSTM模型在磁暴(尤其是强磁暴, Dst< –100 nT)主相期间预报误差较大的问题, 对2001年－2002年期间的23次强磁暴事件预报结果表明, Storm模型对磁暴期间提前6 h的预报结果相关系数较LSTM模型由0.902提升至0.948. 综合两个预报模型组成的LSTM-Storm模型对Dst指数的预报结果相关系数在0.95以上, 均方根误差在9 nT以内, 相比单LSTM模型的预报精度有显著提升.
Source: Chinese Journal of Space Science
Authors: Shaowen LI, Jun NIU, Bing MEI, Lizhu YAO, Yanbin LI
Language: English
Subfield: Astronomy and Astrophysics
Field: Physics and Astronomy
Domain: Physical Sciences
Open Access status: diamond
OpenAlex ID: W4411219970