基于序列数据的太阳耀斑预报方法研究

摘要	第1-6页
Abstract	第6-14页
第1章 绪论	第14-28页
·课题背景及研究意义	第14-15页
·空间天气学的重要意义	第15-16页
·空间灾害的影响	第15-16页
·空间天气学的发展趋势	第16页
·太阳耀斑预报研究进展	第16-21页
·预报因子的研究现状	第16-18页
·预报方法的研究现状	第18-21页
·数据挖掘技术研究进展	第21-24页
·太阳耀斑预报中存在的主要问题	第24-25页
·本文的研究内容及章节安排	第25-28页
第2章 耀斑预报模型的动态特性	第28-63页
·引言	第28页
·耀斑的物理机制及其可预报性	第28-40页
·太阳耀斑现象	第28-31页
·黑子群形状观测与耀斑的相关性	第31-34页
·光球磁场观测与耀斑的相关性	第34-40页
·现有耀斑预报模型的结构	第40-43页
·耀斑预报的统计模型	第40-41页
·耀斑预报的机器学习模型	第41-43页
·耀斑预报模型的动态模型结构	第43-49页
·耀斑预报模型输入变量的确定	第44-45页
·序列信息的引入	第45-48页
·耀斑预报模型定阶	第48-49页
·序列信息对耀斑预报模型的影响	第49-59页
·序列信息影响的评价方法	第49-56页
·序列信息影响的评价指标	第56-57页
·序列信息影响的结果分析	第57-59页
·耀斑预报建模的特点	第59-62页
·输入序列的多尺度特性	第59-60页
·输入输出间的不确定性	第60页
·预报模型的非唯一性	第60-62页
·本章小结	第62-63页
第3章 耀斑预报模型中观测序列的多尺度特性	第63-82页
·引言	第63页
·序列的多尺度分析技术	第63-69页
·基于离散小波变换的多尺度分析	第64-65页
·基于极大重叠离散小波变换的多尺度分析	第65-69页
·耀斑的多尺度预报因子	第69-76页
·多尺度预报因子的构造	第69-72页
·多尺度预报因子的信息度量	第72-74页
·多尺度预报因子的物理解释	第74-76页
·多尺度预报因子的评价	第76-80页
·原始数据的生成	第76页
·多尺度预报因子的性能比较	第76-80页
·本章小结	第80-82页
第4章 耀斑预报的不确定性建模方法	第82-102页
·引言	第82-83页
·不确定性模型的建立方法	第83-86页
·模型结构的学习	第83-84页
·模型参数的学习	第84-85页
·朴素贝叶斯模型	第85-86页
·基于光球磁场观测序列的不确定性推理模型	第86-95页
·模型的预处理	第86-90页
·耀斑不确定性推理模型及其物理解释	第90-95页
·耀斑预报的不确定性模型性能分析	第95-101页
·耀斑预报模型的性能评价指标	第95-97页
·模型预处理过程中重采样程度分析	第97-98页
·耀斑预报模型性能比较	第98-101页
·本章小结	第101-102页
第5章 耀斑预报的多模型融合方法	第102-122页
·引言	第102页
·光球磁场观测序列的成组特性	第102-107页
·预报因子组的生成	第103-105页
·预报因子组的非唯一性	第105-106页
·预报因子组的物理解释	第106-107页
·多模型融合方法	第107-114页
·生成基预报模型的方法	第108-110页
·基模型的融合策略	第110-114页
·基模型多样性的度量	第114-115页
·基于预报因子组的耀斑预报模型融合	第115-121页
·本章小结	第121-122页
结论	第122-124页
参考文献	第124-136页
攻读博士学位期间发表的学术论文及其它成果	第136-138页
致谢	第138-139页
个人简历	第139页