利用局部Hölder指数预测地磁活动的神经网络方法

利用Hölder指数$\alpha$分析了太阳风和地磁时间序列的局部标度与奇异性特征。结果表明，在所分析的案例中，由于涨落的多重分形性，$\alpha$逐点变化。我们认为，涨落的规则性/不规则性与幅度特征之间存在一种特殊的相互作用，可利用其改进地磁活动的预测。为此，采用带反馈连接的层状反向传播人工神经网络模型，研究太阳风-磁层耦合并预测地磁$D_{st}$指数。太阳风输入取自行星际磁场、质子密度和整体速度的主成分分析。当将局部Hölder指数的信息添加到输入层时，网络性能显著提升。