%0 Journal Article
%T Prediction of the smoothed monthly mean sunspot numbers by means of radial basis function neural networks<br>用径向基函数神经网络方法预报太阳黑子数平滑月均值
%A ZHAO Hai-Juan
%A WANG Jia-Long
%A ZONG Wei-Guo
%A TANG Yun-Qiu
%A LE Gui-Ming
%A <br>赵海娟
%A 王家龙
%A 宗位国
%A 唐云秋
%A 乐贵明
%J 地球物理学报
%D 2008
%I 
%X 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.
%K Solar activity
%K Predict
%K Predict method
%K Sunspot number
%K Neural networks<br>太阳活动
%K 预报
%K 预报方法
%K 太阳黑子数
%K 神经网络
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=E62459D214FD64A3C8082E4ED1ABABED5711027BBBDDD35B&cid=1E44AE713D8A6DE0&jid=14DC41C59CBF6770055A7D610D53AE46&aid=144C7C12D79CDB99B467D5690AB5E0A7&yid=67289AFF6305E306&vid=987EDA49D8A7A635&iid=CA4FD0336C81A37A&sid=4AD960B5AD2D111A&eid=6209D9E8050195F5&journal_id=0001-5733&journal_name=地球物理学报&referenced_num=0&reference_num=18