总太阳辐射与光谱太阳辐射的短期预报

在若干日球物理和地球物理量中，太阳辐射的精确演变对于预报地球大气中性及电离成分的演变至关重要。我们开发了一个神经网络模型来近实时计算太阳辐射的演变。该模型基于一个假设，即太阳辐射的很大一部分变化归因于太阳磁场结构的演变。我们采用层递归网络 (LRN) 来建模双极磁结构演变（输入）与太阳辐射（输出）之间的复杂关系。双极磁结构的演变由近实时太阳盘磁力图和强度图像获得。这些磁结构根据其覆盖太阳盘的面积被识别和分类。我们通过将模型输出与 SORCE 航天器搭载仪器观测到的太阳辐射进行比较来约束该模型。在此我们重点关注 SORCE 仪器覆盖的光谱中的两个区域。通过将数据集分为两组（训练集和验证集）来测试网络的泛化能力。我们发现模型误差依赖于波长。在 115 至 180 nm 波段内，24 小时预报的模型误差低于 5%，而在 180 至 310 nm 波段内，模型误差可达 20%。网络的性能随着预报周期的增加而逐渐降低，这显著限制了我们在所讨论的架构下能够实现的最大预报周期。所提出的模型允许我们提前最多三天预测总太阳辐射与光谱太阳辐射。