| 著者名 | Authors | 所属機関名 | 所属機関名(欧文) | |
| 1 | #渡邊／成昭 | watanabe／shigeaki | 郵政省 通信総合研究所 | Ministry of Posts and Telecommunications , Communications Resarch Laboratory |
| 2 | 大高／一弘 | Ohtaka／kazuhiro | 郵政省 通信総合研究所 | Ministry of Posts and Telecommunications , Communications Resarch Laboratory |
講演予稿:
太陽風パラメタによりDstを予測するエルマン型 ニューラルネットワーク法のプログラムを作成
した。最初の予測モデルの作成は、太陽風の南向き磁場、密度、速度を学習させて作成した。
第２次の予測モデルは磁場のＸ、Ｙ成分と絶対値を付け加えた
6入力を学習データとした。学習データの違いによる予測の特性変化を報告する。
主として嵐の区間を集めた4000時間若の３成分学習データにより作成したモデルAと、静穏時（20
nT以下）及び中規模擾乱（50nT程度）期を多く取り入れた10000時間の学習データで作成した予測
モデルBの結果を比べると、AはBより嵐の大きさ等を良く表現するが、静穏時の予測が甘い（誤差
は20nT以下）。
6成分の学習データ（１万時間強）による予測モデルは期待される程の効果は見られなかった。
abstract:
We have developed prediction models for geomagnetic disturbances. The models are based on Elman type partially
recurrent neural networks. Using solar wind parameters obtained at the L1 point, we examined the predictive
ability of the models for cases where the leaning set was consisted of 3 and 6 input conponents. As a preliminary
conclusion, we can say that the restriction to 3 input components does not appear to adversely affect the
predictive ability of the models.
キーワード:
Dst予測、ニューラルネットワーク、太陽風ー磁気圏相互作用
Keywords:
DST, Neural Network, Solarwind - magnetosphere interaction