摘要：为了提高太阳耀斑预报模型的预报精度,提出了一种结合支持向量机和近邻法(SVM-KNN方法)的太阳耀斑预报方法。将太阳耀斑预报问题看作一个模式识别问题,在此基础上建立新的预报方法。选择太阳活动区的特征参量作为预报因子,如果活动区未来48小时发生大于等于M级耀斑标识为正例样本,未发生耀斑为反例样本,由这些样本组成训练集代入SVM训练算法构造了耀斑预报模型。通过输入活动区的特征参量值,预报模型使用SVM-KNN分类算法预报该活动区未来2天内是否发生太阳耀斑。模拟预报结果表明,新方法比使用SVM方法具有较高的报准率,可以应用到其它太阳活动预报领域。

摘要：太阳质子事件通量的预测对航天器抗辐射加固设计和航天员出舱活动具有非常重要的意义。针对一年以下的航天任务,利用经验统计方法,确认太阳活跃年和太阳平静年期间,1—365天不同时间段内>10 MeV,>30 MeV和>60 MeV的太阳质子事件积分通量符合对数正态分布,且通量对数的标准偏差σ和期望值μ随任务期时间的变化满足对数函数形式.以此为基础,构建太阳质子通量的中短期预报模型.该模型能够针对太阳活跃年和太阳平静年,给出一定置信度下1—365天不同时间内>10 MeV,>30 MeV和>60 MeV的质子事件通量分布,从而为执行中短期航天任务提供太阳质子事件通量的预测,以规避不必要的风险.

摘要：太阳质子事件通量的预测对航天器的抗辐射加固设计和宇航员的出舱活动具有重要意义。针对1年以下的中短期航天任务,对太阳活跃年和太阳平静年分别统计了太阳质子事件和大于10 Me V质子事件通量的发生概率,分析得到太阳质子事件通量分布基本符合对数正态分布。在此基础上,计算出了一定置信度下1年以下不同航天任务期内的质子事件通量分布,为执行中短期航天任务提供了太阳质子事件通量预测的依据。