| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 引言 | 第15-33页 |
| 1.1 太阳和太阳风 | 第15-18页 |
| 1.1.1 太阳 | 第15-16页 |
| 1.1.2 太阳风 | 第16-18页 |
| 1.2 太阳和太阳风的几种观测和数据 | 第18-24页 |
| 1.2.1 光球磁场观测 | 第18-20页 |
| 1.2.2 日冕仪白光观测 | 第20-21页 |
| 1.2.3 卫星就地探测 | 第21-22页 |
| 1.2.4 行星际闪烁 | 第22-24页 |
| 1.3 日冕行星际太阳风模式研究现状 | 第24-28页 |
| 1.3.1 经验模型 | 第24-25页 |
| 1.3.2 磁流体力学模型 | 第25-26页 |
| 1.3.3 耦合模型 | 第26-28页 |
| 1.4 人工神经网络简介 | 第28-32页 |
| 1.4.1 神经网络原理 | 第28-30页 |
| 1.4.2 神经网络的种类和特点 | 第30-31页 |
| 1.4.3 神经网络在空间天气中的应用 | 第31-32页 |
| 1.5 本文研究内容和章节安排 | 第32-33页 |
| 第2章 基于多种观测数据的太阳风源表面全球结构模拟 | 第33-60页 |
| 2.1 源表面全球结构的研究背景和目的 | 第33-36页 |
| 2.2 势场源表面磁场模型 | 第36-39页 |
| 2.3 利用太阳风就地观测数据反推源表面处的速度和密度全球分布 | 第39-43页 |
| 2.4 基于多种观测数据和神经网络方法模拟源表面结构 | 第43-58页 |
| 2.4.1 数据和方法 | 第43-54页 |
| 2.4.2 结果分析 | 第54-58页 |
| 2.4.3 结论 | 第58页 |
| 2.5 本章小结 | 第58-60页 |
| 第3章 利用神经网络方法预测近地太阳风速度 | 第60-80页 |
| 3.1 研究背景和目的 | 第60-62页 |
| 3.2 方法 | 第62-65页 |
| 3.3 数据准备 | 第65-66页 |
| 3.4 结果和分析 | 第66-79页 |
| 3.4.1 ANN的筛选 | 第66-68页 |
| 3.4.2 最优ANN的训练表现 | 第68-71页 |
| 3.4.3 最优ANN的预测结果分析 | 第71-79页 |
| 3.5 本章小结 | 第79-80页 |
| 第4章 利用太阳风的源区特征预测重现型地磁扰动 | 第80-96页 |
| 4.1 太阳风与地磁活动 | 第80-84页 |
| 4.1.1 地球磁层 | 第80-81页 |
| 4.1.2 地磁扰动及其太阳源头 | 第81-83页 |
| 4.1.3 地磁活动指数 | 第83-84页 |
| 4.2 地磁活动的预报方法 | 第84-85页 |
| 4.3 利用太阳观测和NARX神经网络预测重现型地磁扰动 | 第85-95页 |
| 4.3.1 研究背景和目的 | 第85-87页 |
| 4.3.2 方法介绍 | 第87-88页 |
| 4.3.3 模型的构建 | 第88-90页 |
| 4.3.4 结果分析 | 第90-95页 |
| 4.4 本章小结 | 第95-96页 |
| 第5章 行星际太阳风的三维磁流体力学模拟 | 第96-116页 |
| 5.1 研究背景和目的 | 第96-97页 |
| 5.2 磁流体力学数值模型 | 第97-111页 |
| 5.2.1 控制方程 | 第97-103页 |
| 5.2.2 数值格式 | 第103-107页 |
| 5.2.3 网格系统 | 第107-108页 |
| 5.2.4 边界条件 | 第108-111页 |
| 5.3 第2062卡灵顿周的三维行星际太阳风模拟结果 | 第111-115页 |
| 5.4 本章小结 | 第115-116页 |
| 第6章 总结与展望 | 第116-119页 |
| 参考文献 | 第119-137页 |
| 致谢 | 第137-139页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第139页 |
