<i>Dst</i> Index Prediction Method Based on LSTM Neural Network

<i>Dst</i>指数是当前使用较广泛的用于反映磁暴过程的小时地磁指数, 对<i>Dst</i>指数的预报是现代空间天气学主要研究内容之一. 基于LSTM神经网络方法, 利用2008－2022年的太阳风参数和<i>Dst</i>指数建立<i>Dst</i>指数预报模型, 分别为使用全时域数据建模的LSTM模型和仅使用磁暴期间数据建模的Storm模型. 使用LSTM模型对2001－2002年期间的<i>Dst</i>指数进行滚动预报, 预报结果显示该模型对提前1～6 h的<i>Dst</i>指数预报相关系数达到0.94以上, 均方根误差在11 nT以内. Storm模型能够较好地解决LSTM模型在磁暴(尤其是强磁暴, <i>Dst</i>&lt; –100 nT)主相期间预报误差较大的问题, 对2001年－2002年期间的23次强磁暴事件预报结果表明, Storm模型对磁暴期间提前6 h的预报结果相关系数较LSTM模型由0.902提升至0.948. 综合两个预报模型组成的LSTM-Storm模型对<i>Dst</i>指数的预报结果相关系数在0.95以上, 均方根误差在9 nT以内, 相比单LSTM模型的预报精度有显著提升.