پيش بيني تعداد لكه هاي خورشيدي و ميزان شار راديويي خورشيد با استفاده از شبكه عصبي مصنوعي

Sunspot number and solar radio flux Prediction by neural network method

در پيش بيني چرخه فعاليت خورشيدي آينده (چرخه 24 ) ، پيش بيني تعداد لكه هاي خورشيدي كه نشان دهنده ي فعاليت مغناطيسي خورشيد مي باشند و ميزان شار راديويي در طول موج 10/7 سانتي متري كه تاثير بسزايي در عملكرد سيستم هاي راديويي زميني و سفينه ها دارد، از مهمترين پارامتر ها در پيش بيني آب و هواي فضايي مي باشند. با توجه به اهميت موضوع از روش هاي متعدد بر مبناي مدل هاي فيزيكي و همچنين روش هاي رياضي مختلف استفاده مي شود. يكي از روش هاي رياضي مورد استفاده براي پيش بيني، روش شبكه عصبي مصنوعي مي باشد. شبكه عصبي مصنوعي يك سيستم پردازش اطلاعات مي باشد كه با آموزش شبكه توسط داده هاي قبلي، شبكه رفتار داده هاي را در آينده پيش بيني مي كند. در اين مقاله يك شبكه عصبي پيشخور با يك لايه پنهان طراحي و تعداد لكه هاي خورشيدي و ميزان شار راديويي خورشيد پيش بيني و بررسي شده است.

Solar cycle predictions improve our knowledge about solar dynamo, a term that includes the level of solar magnetism. Solar activity predictions are used by space weather operators to plan when to reboost satellites in low-earth orbit, anticipate radiation exposure for current and upcoming missions and to plan for outage in radio-based communication and navigation systems. Sunspot number (Rz) is the most commonly predicted solar activity index. The rate of solar flares and amount of energy they release are well correlated with sunspot number, as is the rate of coronal mass ejection. A large range of methods is used to predict the occurrence and amplitude of solar cycle. In this paper, we predict some solar indices (Rz, F10.7) in solar cycle 24 using the neural network method.