• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of applied statistics >Computational Forecasting of Wavelet- converted Monthly Sunspot Numbers
【24h】

Computational Forecasting of Wavelet- converted Monthly Sunspot Numbers

机译：小波转换后的太阳黑子数的计算预测

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Monthly average sunspot numbers follow irregular cycles with complex nonlinear dynamics. Statistical linear models constructed to forecast them are therefore inappropriate, while nonlinear models produce solutions sensitive to initial conditions. Two computational techniques - neural networks and genetic programming - that have their advantages are applied instead to the monthly numbers and their wavelet-transformed and wavelet-denoised series. The objective is to determine if modeling wavelet-conversions produces better forecasts than those from modeling series' observed values. Because sunspot numbers are indicators of geomagnetic activity their forecast is important. Geomagnetic storms endanger satellites and disrupt communications and power systems on Earth.
机译：月平均黑子数遵循不规则周期，具有复杂的非线性动力学。因此，构建用于预测它们的统计线性模型是不合适的，而非线性模型会产生对初始条件敏感的解决方案。取而代之的是将两种具有优势的计算技术-神经网络和遗传程序-应用于月数及其经过小波变换和去噪的序列。目的是确定建模小波转换是否比建模序列的观测值产生更好的预测。由于黑子数是地磁活动的指标，因此其预测很重要。地磁风暴危及卫星，并破坏地球上的通信和电力系统。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号