Resumen

El número de manchas solares es el principal objetivo que describe el nivel de actividad solar. La predicción a largo plazo de la actividad de las manchas solares es de gran importancia para la industria aeroespacial, las comunicaciones, la prevención de catástrofes, etc. Para mejorar la precisión de la predicción de las series temporales de manchas solares, se propone un modelo de predicción basado en la descomposición de modos empíricos por conjuntos complementarios (CEEMD) y la red neuronal wavelet (WNN). En primer lugar, las series temporales de manchas solares se descomponen mediante CEEMD para obtener un conjunto de funciones modales intrínsecas (IMF). A continuación, las FMI y los residuos se reconstruyen para obtener las muestras de entrenamiento y las muestras de predicción, y estas muestras se entrenan y predicen mediante WNN. Por último, las FMI reconstruidas y los residuos son los resultados finales de la predicción. Se comparan cinco tipos de modelos de predicción, que son el modelo de predicción de red neuronal BP, el modelo de predicción WNN, el modelo de predicción híbrido de descomposición empírica de modos y WNN, el modelo de predicción híbrido de descomposición empírica de modos y WNN, y el método propuesto en este artículo. Las mismas series temporales de manchas solares se predicen con cinco tipos de modelos de predicción. Los resultados experimentales muestran que el modelo propuesto tiene mejor precisión de predicción y menor error.

• Materias:Álgebra Análisis Matemático Ingeniería Matemática aplicada Lógica matemática
• Subjects:Algebra Mathematical Analysis Engineering Applied Mathematics Mathematical logic
• Palabras claves:Número de manchas solares; nivel de actividad solar; predicción a largo plazo; aeroespacial; comunicación; prevención de catástrofes.
• Keywords:Sunspot numbers; solar activity level; long-term prediction; aerospace; communication; disaster prevention