專利名稱：太空氣象預測系統(tǒng)和方法
技術(shù)領(lǐng)域：
本發(fā)明涉及用于預測太空氣象的系統(tǒng)和方法，具體地，用于預測靠近地球空間的環(huán)境的太陽引起的擾動，諸如地磁暴的系統(tǒng)和方法。更具體地，本發(fā)明涉及根據(jù)太陽、星際和地球物理數(shù)據(jù)中復雜的模式的分析來預測太空氣象。
背景技術(shù)：
當在太陽上發(fā)生太陽爆發(fā)、消失的暗斑和其他的太陽事件時，它們在接近太陽的太空區(qū)域中產(chǎn)生很大的騷動和擾動。這些擾動常常是極其嚴重的，以致于它們產(chǎn)生沖擊波，穿過太空，最后到達地球和感興趣的其他位置(例如，宇宙飛船位置，彗星，或行星)，在那里它們造成嚴重的問題，諸如宇宙飛船丟失，宇宙飛船異常(諸如電子部件中的比特觸發(fā))，表面帶電問題，機載計算機存儲器的打擾，和甚至損壞半導體微電子結(jié)構(gòu)和太陽電池。與這些擾動有關(guān)的帶電粒子，包括具有能量的電子和正電子，在一次擾動中可以對太陽電池和其他硬件造成和幾年暴露在無擾動的環(huán)境下一樣大的破壞。例如，具有能量的電子可以使得在宇宙飛船深處的絕緣體中造成大的靜電荷，某些測量到高達19000伏，它可能引起電弧，損壞敏感的電子元件。另外，在宇宙飛船、空間站或太空機里面和外面的宇航員在這些擾動期間會受到危險的劑量的電子和其他類型的輻射的損害。
這些擾動也會引起在所有的頻率上的通信中斷，不單包括與宇宙飛船，也包括與高空飛行的飛機和與地面目標的通信。高頻(HF)無線電波通信更經(jīng)常受到影響，因為它依賴于從電離層的反射來載送信號到很遠的距離。由太陽擾動造成的電離層異常引起信號吸收、衰落、和在非常嚴重的擾動條件期間甚至完全丟失。電離層異常也影響由電信公司使用的、穿透電離層的更高的頻率的無線電波，它通過衛(wèi)星中繼到其他位置。電離層異常甚至會禁止關(guān)鍵的通信，諸如搜索和救助工作以及軍事運作。
嚴重的太空氣象有關(guān)的通信故障的一個例子發(fā)生在1980年代初期，當里根總統(tǒng)在他的空軍一號去中國的路程上，與飛機的所有的通信中斷兩個多小時。里根先生和他的顧問團非常不安和受到關(guān)注；他們后來被告知，故障是源于太陽上的擾動以及最終傳播到靠近地球的環(huán)境。
除了通信系統(tǒng)以外，使用非常低的頻率的信號的海軍導航系統(tǒng)，諸如LORAN和OMEGA，依賴于電離層底部高度的精確的信息。在環(huán)境擾動期間，在這個邊界上出現(xiàn)快速的垂直改變，在確定位置時引入高達幾公里的重大的誤差。
全球定位系統(tǒng)(GPS)也對太空氣象擾動很敏感。這些系統(tǒng)具有廣泛的應用，包括飛機導航和空中交通控制系統(tǒng)。然而，因為它們通過從衛(wèi)星發(fā)送無線電波到地面的、飛機的、或其他衛(wèi)星上的接收機而運行，它們對電離層擾動是非常敏感的。當信號被擾動的電離層條件反射、折射和減慢時，會出現(xiàn)重大的錯誤。
電力公司也受到太空氣象擾動影響，因為它們的長的電力線易受到在地磁暴期間出現(xiàn)的高的高度的電離層電流的很大的改變引起的電流的影響。由于地面感應電流(GIC)引起電力線上的浪涌會造成很大的網(wǎng)絡(luò)故障和對昂貴的設(shè)備的永久的損壞。據(jù)估計，由太空氣象擾動引起的、1989年魁北克水力發(fā)電站故障造成幾百萬人民電力中斷。
通過精確的早期警告，宇宙飛船操作者可采取有效的補救行動，諸如分階段關(guān)閉部件，其中最敏感的單元首先被關(guān)斷，其他部件在接近于事件的預測的開始時間時關(guān)斷。其他的補救行動包括把宇宙飛船存儲器的內(nèi)容下載到基于地面的存儲器；關(guān)斷所有的宇宙飛船系統(tǒng)，除了實時跟蹤所必須的那些系統(tǒng)以外；增加實時檢測衛(wèi)星運行查找異?，F(xiàn)象；延遲由接通/關(guān)斷敏感的部件造成的車輛電位的主要的改變；以及計算對于阻力調(diào)節(jié)低的地球軌道的最佳時間。對于軍事通信，可以安排冗余的傳輸，連同實時的人的監(jiān)視作為通信整體性的檢驗。對于太空站和穿梭機，額外的車輛的活動可被減小，發(fā)射可被延遲，或提早著陸，以避免擾動。
由于太空氣象擾動預備的通常很短的提前時間(大約一小時)和嚴重的不精確性(超過80％的虛假警報)，這樣的補救行動當前是不實際的。如果操作者在太空氣象事件事先至少幾小時被給予精確的警告，則他們在發(fā)展和實施用于保護他們的宇宙飛船，系統(tǒng)和/或宇航員的策略方面有更大的靈活性。另外，電力公司可例如減小傳輸電路上的負荷，有信心地復位電力網(wǎng)的觸發(fā)保護繼電器，選擇地接地電容器庫，防止大的電位降，和延遲電力站維修和設(shè)備替換。電信公司可以查找替換的頻率用于傳輸和實施計劃使得通信停機最小化。
由國家海洋和大氣層管理局(NOAA)的太空環(huán)境中心(SEC)(負責太空氣象預報的民用機構(gòu))提供的太空氣象預報證明有改進的需要，這正是本發(fā)明要解決的。直至幾年以前，這些預報還完全用“眼睛”作出的。操作者檢查原始數(shù)據(jù)(主要是太陽磁場，X射線，和光學數(shù)據(jù))，然后根據(jù)直覺和經(jīng)驗發(fā)出預報。按照SEC自己的統(tǒng)計，他們預報的風暴中只有30％實際上發(fā)生。還有許多假陰性預報(即，在他們沒有預報有風暴的時間，出現(xiàn)了風暴)，以及總的概略的預報水平常常不能提供足夠的、用于采取有效的補救行動的時間。
最近，其他人試圖至少部分地基于從先進組成探測者(ACE)和WIND(風)宇宙飛船得到的太陽風和星際磁場數(shù)據(jù)，產(chǎn)生更“客觀的”預報。這兩個宇宙飛船非常接近于地球(比起在地球與太陽之間的距離)，所以，基于它們對太陽風和IMF的測量的預報具有非常短的提前時間。典型地，這些系統(tǒng)產(chǎn)生的預報具有一小時或更小的提前時間以及常常是事后的(即，它們在事件已開始擾動地球物理環(huán)境以后才產(chǎn)生“預測”)。
另一些預測方法依賴于來自太陽事件觀察的數(shù)據(jù)，把這些數(shù)據(jù)輸入到各種理論模型，試圖預測太陽事件和它們相關(guān)的沖擊波如何傳播到太空和影響太空氣象。Wang-Sheeley模型，星際沖擊傳播模型(ISPM)(見Dryer，M.1998，”Multidimensional simulation ofsolar-generated disturbancesSpace weather forecasting ofgeomagnetic storms(太陽產(chǎn)生的擾動的多維模擬地磁暴的太空氣象預報)”，AIAA Journal，36，365-370)，以及沖擊波到達時間(STOA)模型(見Smart，D.F.和Shea，M.A.1985，“A simplified model fortiming the arrival of solar flare-initiated shock(用于太陽耀斑發(fā)起的沖擊波到達的簡化的模型)”，Journal of GeophysicalResearch，90，183-190)，是各種理論模型的例子。這些方法部分由于太陽事件在太空的傳播的精確的建模的困難和常常是部分由于缺乏太陽事件本身的完全的數(shù)據(jù)，而只能獲得有限的成功。
已經(jīng)看到，在SEP事件和用戶的地磁暴之間有一種聯(lián)系。當在太陽上出現(xiàn)大的擾動時以及隨著擾動傳播到太空，產(chǎn)生SEP。某些這樣的粒子向著遠方的位置(例如地球，宇宙飛船等等)行進比起造成許多太空氣象事件的星際沖擊波快得多。因此，它們比風暴提前幾小時潛在地擴展到太空氣象預報水平線以及在時間上甚至提前一天或更多。
過去在使用用于太空氣象預報的SEP方面的嘗試是有限的。例如，J.Joselyn描述了用于預報地磁活動性的最簡單的技術(shù)。她只在一個能量通道上把SEP活動性的單個測量值與一組門限值進行比較。具體地，她觀察SEP事件，其中至少在30分鐘內(nèi)出現(xiàn)能量超過10MeV(百萬電子伏)的、每秒每平方米的大于10個正電子的通量；即，參閱J.Joselyn，J.1995.“Geomagnetic Activity ForecastingThe Stateof the Art(地磁活動性預報現(xiàn)有技術(shù)水平)”，Review of Geophysics(地球物理學評論)，33，3。根據(jù)這個準則，她確定在1976與1989年之間，這樣的事件62％的時間在地磁暴(Ap＞30，其中Ap是熟知的總的地磁索引)之前2-3天內(nèi)出現(xiàn)。Joselyn也發(fā)現(xiàn)，具有超過100通量單位的峰值能量粒子通量的事件在75％的時間在地磁暴之前出現(xiàn)。Joselyn沒有討論基于這樣的事件的預報沒有預報出的地磁暴的數(shù)目或百分數(shù)。Joselyn只將SEP通量與簡單的門限值相比較，即單個SEP數(shù)據(jù)值。這個簡單的單點的比較太簡單而不能用于有用的預測。
最近，Q.Fan和J.Tian使用從兩個SEP數(shù)值(例如SEP通量隨時間的上升速率)得出的測量值作為加到神經(jīng)網(wǎng)絡(luò)的輸入值，試圖部分地基于SEP數(shù)據(jù)把地磁暴的強度分類。見，F(xiàn)an，Q.和Tian，J.1998，“Prediction of Geomagnetic Storms Following Solar Proton Events(SPE)with a back-propagation neural network(利用反向傳播神經(jīng)網(wǎng)絡(luò)的跟隨太陽正電子事件的對地磁暴的預測)，“predicationof Geomagnetic Storms Following Solar Proton Events(SPE)witha BP Neural metwork(利用BP神經(jīng)網(wǎng)絡(luò)的跟隨太陽正電子事件的電磁風暴的預測)，AI Applications in Solar-Terrestrial Physics.Proceedings of ESA Workshop(WPP-148)(由I.Sandahl和E.Jonsson編輯，第163-166頁)。每個SEP(正電子和電子)通量上升速率只根據(jù)兩個SEP通量值，即，背景通量值和高峰通量值。雖然Fan和Tian開始識別SEP數(shù)據(jù)中的時間變化值，但他們和Joselyn不能獲取太陽能量粒子的電位作為太空氣象預測工具。
以前的、在太空氣象預測方面使用SEP的嘗試由于許多原因只得到有限的成功。首先，先前的工作把預測只基于一個SEP數(shù)據(jù)點(門限值或峰值)和/或從兩個SEP數(shù)據(jù)點得出的測量值(諸如上升速率)。所以，它們不能識別與太空氣象事件有關(guān)的、SEP數(shù)據(jù)中的復雜的模式，它需要考慮三個或更多個數(shù)據(jù)點。第二，先前的工作只是基于太空氣象事件之前的SEP數(shù)據(jù)的分析，但沒有基于非事件之前的SEP數(shù)據(jù)；沒有考慮非事件的任何系統(tǒng)易于受到假警報的影響，不能給出所有的清晰的信號。第三，先前的工作沒有識別SEP數(shù)據(jù)中(和太陽、星際和地球物理活動性)最近的和/或周期的變化，諸如在太陽周期的不同的階段出現(xiàn)的變化。第四，先前的工作在預報中沒有提供置信度水平的任何指示，諸如數(shù)字的可信度索引。第五，先前的工作在另一個事件正在進行時不能提供預報。第六，先前的工作在新的數(shù)據(jù)來到時，不能有意義地更新預報。
另外，在本發(fā)明之前的幾乎所有的工作集中在根據(jù)一個(或至多幾個)法則或方程創(chuàng)建預測或識別系統(tǒng)。因為太空氣象現(xiàn)象的高的復雜的性質(zhì)，這樣的簡單的系統(tǒng)不能精確地對于太空氣象的許多最重要的方面建模。而且，與太空氣象有關(guān)的許多變量交互作用，相互修正(或約束)。簡單的系統(tǒng)不能利用這種潛在地有用的互相之間的連接性。因為這些和其他原因，這樣的系統(tǒng)證明，在產(chǎn)生太空氣象相關(guān)的預報方面相當差。所以需要一種太空氣象預報系統(tǒng)，它能協(xié)同地組合分開的預報系統(tǒng)和技術(shù)。
另外，需要對于太空氣象事件的改進的通知系統(tǒng)。即使當前“最好的”太空氣象預報系統(tǒng)在空間(例如，北美，阿拉斯加，或瑞典)或時間(例如，在以后的三天中有時宇宙飛船反常)方面也只能產(chǎn)生寬的預測。這樣的寬的預測對于大多數(shù)終端用戶是幾乎無用的。當前，唯一更具體的預報是基于ACE數(shù)據(jù)的那些預報(因此，具有最好45分鐘的超前時間)。先前的工作因此不能發(fā)布預報和/或發(fā)起被定做來滿足終端用戶需要的動作序列。
發(fā)明概要所以，本發(fā)明的一個目的是提供基于實時的SEP數(shù)據(jù)和太陽、星際和地球物理數(shù)據(jù)的、改進的和及時的太空氣象預報。
本發(fā)明的再一個目的是提供基于需要考慮三個或更多個不同的SEP數(shù)據(jù)值的、SEP數(shù)據(jù)中復雜的模式的識別的太空氣象預報。
本發(fā)明的另一個目的是提供能識別與太空氣象的非事件有關(guān)的、SEP數(shù)據(jù)和太陽、星際和地球物理數(shù)據(jù)的、太空氣象預報系統(tǒng)。
本發(fā)明的又一個目的是提供考慮在SEP數(shù)據(jù)和太陽、星際和地球物理數(shù)據(jù)中最近的和/或周期的變化，諸如由于太陽周期的位相的變化的太空氣象預報。
本發(fā)明的又一個目的是提供當新的數(shù)據(jù)被做成可提供時和當系統(tǒng)被動態(tài)地修正時(例如，通過數(shù)據(jù)反饋等等)，能夠有意義地被更新的太空氣象預報。
本發(fā)明的又一個目的是提供在另一個太空氣象事件正在進行的時間間隔期間能夠產(chǎn)生太空氣象預報的系統(tǒng)。
本發(fā)明的又一個目的是提供能夠產(chǎn)生代表與太空氣象預報有關(guān)的置信度水平的數(shù)字索引的太空氣象預報系統(tǒng)。
本發(fā)明的又一個目的是提供能夠作為“混合系統(tǒng)”工作的太空氣象預報系統(tǒng)，由此，系統(tǒng)的不同的部件對于不同的類型的預測進行專門化，因此總的系統(tǒng)精確度被改進。
本發(fā)明的又一個目的是提供能夠根據(jù)當前的預報精確度/非精確度而被修正，以便提高將來的預報精確度的太空氣象預報。
本發(fā)明的再一個目的是創(chuàng)建能夠產(chǎn)生代表或與識別或預測有關(guān)的數(shù)字的或其他索引的系統(tǒng)。
本發(fā)明的又一個目的是提供能夠作為“級聯(lián)的混合系統(tǒng)”工作的太空氣象預報系統(tǒng)，由此，多預測/識別系統(tǒng)協(xié)同地和迭代地工作，產(chǎn)生預測、識別或預報。
本發(fā)明的又一個目的是提供一種太空氣象預測系統(tǒng)，它能夠包括基于大量和變化的預測/識別系統(tǒng)和技術(shù)，并且使得這些系統(tǒng)和技術(shù)能夠協(xié)同地互相交互以產(chǎn)生更好的太空天氣相關(guān)的預測/識別。
本發(fā)明的再一個目的是提供能夠與其他太空氣象預測/識別系統(tǒng)接口和/或互動的太空氣象預報系統(tǒng)。
本發(fā)明的再一個目的是提供能夠識別事件、條件等等作為自然的或人造的太空氣象預報系統(tǒng)。
本發(fā)明的又一個目的是提供一個能夠產(chǎn)生結(jié)果(預測，識別等等)的系統(tǒng)，這些結(jié)果可被使用來得出、約束或改進物理的、生物的、化學的、或其他模型、方程、技術(shù)等等。
本發(fā)明的又一個目的是提供能夠產(chǎn)生定做的(“定制的”)預報、預測或識別的太空氣象預報系統(tǒng)。這樣的結(jié)果可以在本發(fā)明的范圍內(nèi)根據(jù)多個終端用戶約束、要求、敏感性、位置等等被定做。
本發(fā)明的再一個目的是提供能夠以多種(和多種可規(guī)定的)方式發(fā)送、顯示、或傳送(例如，可聽見地)定制的預報結(jié)果的太空氣象預報系統(tǒng)。
本發(fā)明的再一個目的是提供能夠發(fā)起(或使得要被發(fā)起)根據(jù)由太空氣象預報系統(tǒng)產(chǎn)生的或發(fā)布的太空氣象預報、識別、或預測要擔負的多個(和多個可規(guī)定的)調(diào)節(jié)行動的太空氣象預報系統(tǒng)。
本發(fā)明的又一個目的是提供可以用可能位于多個(可能遠端的)計算機、系統(tǒng)等等中的不同的部件、子程序、數(shù)據(jù)庫、顯示器等等“被模塊化”的太空氣象預報系統(tǒng)。
以上的和其他的目的由本發(fā)明的系統(tǒng)和方法實現(xiàn)。概略地，本發(fā)明提供根據(jù)識別由在太陽、星際、或地球物理數(shù)據(jù)中三個或更多個SEP數(shù)據(jù)值和相關(guān)的模式規(guī)定的復雜的模式預報太空氣象的系統(tǒng)和方法。本發(fā)明還識別與太空氣象非事件有關(guān)的數(shù)據(jù)模式以及與事件有關(guān)的那些模式。另外，所識別的模式的改變可以依賴于在太陽、星際、或地球物理活動性方面的最近的或周期的變化，諸如，與太陽周期的位相有關(guān)的變化。
下面描述本發(fā)明的三個實施例(1)基于模板的實施例，(2)基于專家系統(tǒng)的實施例，和(3)基于神經(jīng)網(wǎng)絡(luò)的實施例。基于模板的實施例根據(jù)當前的SEP數(shù)據(jù)(和感興趣的其他太陽、星際、或地球物理數(shù)據(jù))與歷史上得到的“模板”的比較預測太空氣象，每個包含與特定類型的太空氣象事件的存在或不存在有關(guān)的三個或更多個SEP數(shù)據(jù)測量值(和感興趣的其他數(shù)據(jù))。在適當?shù)膱龊舷拢峁┓珠_的模板，用于在太陽、星際或地球物理活動性方面不同的最近和/或周期的變化，諸如，但不限于，與太陽周期的位相有關(guān)的變化?；趯＜蚁到y(tǒng)的實施例根據(jù)一組識別在包括三個或更多個數(shù)據(jù)點的SEP數(shù)據(jù)中的模式的法則預測太空氣象。這樣的模式包括，例如，(i)在SEP數(shù)據(jù)中的峰值和(ii)X射線中的陡峭的上升或峰值，后面跟隨SEP中的陡峭的上升或峰值。再次地，在適當?shù)膱龊舷?，提供分開的模板，用于在太陽、星際或地球物理活動性方面不同的最近和/或周期的變化。神經(jīng)網(wǎng)絡(luò)的實施例根據(jù)三個或更多個當前的SEP數(shù)據(jù)值的輸入，可能連同太陽、星際或地球物理活動性數(shù)據(jù)值一起，以及在適當?shù)膱龊舷拢P(guān)于在太陽、星際或地球物理活動性方面不同的最近和/或周期的變化的信息，預測太空氣象。它用來自平靜的氣象狀態(tài)以及風暴狀態(tài)的數(shù)據(jù)進行訓練，以及在適當?shù)膱龊舷拢糜嘘P(guān)太陽、星際或地球物理活動性的最近的和/或周期的變化的信息進行訓練。替換地，在適當?shù)膱龊舷拢珠_的神經(jīng)網(wǎng)絡(luò)可被使用于與活動性的最近的和/或周期的變化有關(guān)的不同的位相。
更特別地，在基于模板的實施例中，系統(tǒng)根據(jù)實時數(shù)據(jù)與歷史上得到的“模板”的比較預報太空氣象事件。這些模板包含與特定的類型的太空氣象事件或與非事件有關(guān)的活動性的代表。例如，可以使用三個模板，每個代表在不同的強度的風暴之前的SEP活動性。每個這些模板可以包含對于太陽周期的特定的位相的多個具有能量＞1MeV的SEP的十小時的測量值。這個實施例然后尋找在最近十小時的實時SEP數(shù)據(jù)和與太陽周期的當前的位相有關(guān)的模板組之間的最好的匹配。最接近地匹配于新的數(shù)據(jù)的模板被使用來確定當前的預報。隨著得到更多的數(shù)據(jù)(例如，經(jīng)過接著的幾小時)，作出新的比較，以及預報被更新。另外，模板可包括其他感興趣的數(shù)據(jù)，正如下面表示的，諸如X射線數(shù)據(jù)。在本例中，系統(tǒng)然后尋找最接近地匹配于最近的SEP和X射線數(shù)據(jù)的模板。
在專家系統(tǒng)實施例中，太空氣象預報是基于一組法則，它識別在包括三個或多個數(shù)據(jù)點和在太陽、星際或地球物理數(shù)據(jù)中相關(guān)的模式的SEP數(shù)據(jù)中的模式。例如，法則可包括根據(jù)太陽周期的當前的位相具有特定的特性的SEP數(shù)據(jù)中“峰值”(即“低-高-低”的模式)的檢測(即，峰值的特定的特性是從先前的、與當前的位相相同的太陽周期的位相有關(guān)的數(shù)據(jù)得出的)。替換地，法則可包括在SEP與其他數(shù)據(jù)之間的關(guān)系，諸如X射線數(shù)據(jù)的峰值的檢測后面出現(xiàn)SEP數(shù)據(jù)陡峭的上升或峰值。再者，法則可包括例如通過把SEP和其他數(shù)據(jù)“弄模糊”而濾除異常的或不重要的測量值來修改所述SEP和其他數(shù)據(jù)。
在神經(jīng)網(wǎng)絡(luò)實施例中，一個或多個神經(jīng)網(wǎng)絡(luò)用與太空氣象事件有關(guān)的三個或更多個SEP數(shù)據(jù)項目，可能連同相關(guān)的太陽、星際或地球物理數(shù)據(jù)以及在適當?shù)膱龊舷碌奶栔芷谖幌鄶?shù)據(jù)，或標識數(shù)據(jù)中最近的或周期的變化的位相的其他數(shù)據(jù)一起進行訓練。當沒有出現(xiàn)太空氣象事件和為了通知全部晴朗時，神經(jīng)網(wǎng)絡(luò)也可以對于更精確的預測時間用非事件數(shù)據(jù)進行訓練。神經(jīng)網(wǎng)絡(luò)然后被使用來根據(jù)最近的SEP數(shù)據(jù)，以及在適當?shù)膱龊舷拢鶕?jù)太陽周期位相產(chǎn)生預報。替換地，神經(jīng)網(wǎng)絡(luò)可以附加地用其他感興趣的太陽、星際或地球物理數(shù)據(jù)，諸如，但不限于，X射線數(shù)據(jù)進行訓練。
通常，本發(fā)明的這些實施例并不限于根據(jù)在特定的能量頻段中、或具有特定的通量水平的SEP或太陽數(shù)據(jù)的太空氣象預報。它們也不限于特定的種類的粒子(正電子、電子、α粒子、氧離子、鐵離子)或波(X射線、無線電波、微波等等)。它們不限于實際的SEP或太陽、星際或地球物理數(shù)據(jù)的使用，--可以使用建模的或模擬的數(shù)據(jù)，或在許多情形下，先兆的信號，諸如微波突發(fā)，消失的暗斑，太陽黑子活動性，日震參量等等，可被用作為用于實際數(shù)據(jù)的代理。
而且，模板實施例不限于用于創(chuàng)建模板的特定的技術(shù)，也不限于模板的具體數(shù)目，也不限于用于比較新的數(shù)據(jù)與模板的特定的技術(shù)的使用。另外，專家系統(tǒng)不限于確定滿足特定的準則組的數(shù)據(jù)的識別和/或分類是如何完成的任何特定的靜態(tài)(或甚至動態(tài))的法則組。最后，神經(jīng)網(wǎng)絡(luò)實施例不限于用于訓練神經(jīng)網(wǎng)絡(luò)的特定的技術(shù)，也不限于特定的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。
對于每個實施例，一個或多個輸入可以來自于另一個預報系統(tǒng)、專家系統(tǒng)或神經(jīng)網(wǎng)絡(luò)的結(jié)果，或來自于這些系統(tǒng)的混合組合，或更一般地，來自于任何混合多峰智能系統(tǒng)。
按照本發(fā)明的另一個方面，預報的精確度可被增強，以及預報可以通過在“級聯(lián)的混合”系統(tǒng)中安排預測/識別模塊或方法(這里稱為PIM)的集合而容易地被定做，其中PIM的輸出被用作為加到同一個或其他的PIM的輸入。每個PIM，或子系統(tǒng)，是基于或者(直接或間接)與太空氣象預測有關(guān)的，或者(直接或間接)與可能影響或受到太空氣象有關(guān)的變量、事件或現(xiàn)象影響的系統(tǒng)、業(yè)務(wù)或目標(包括人、化學、動物等等)有關(guān)的法則、系統(tǒng)、或技術(shù)的實施例。PIM可以是上述的模板、專家、神經(jīng)網(wǎng)絡(luò)或混合系統(tǒng)或用于預測太空氣象或產(chǎn)生或預測在太空氣象預測中(直接或間接)有用的數(shù)值或參量的任何其他技術(shù)。
級聯(lián)的混合系統(tǒng)的結(jié)果(預測、識別等等)可以根據(jù)終端用戶的需要被定制。這樣的定制包括，但不限于，在特定的情形下要被執(zhí)行的定制的報告、定制的警告、定制的警報和定制的行動(例如，系統(tǒng)修正，調(diào)節(jié)行動等)。
附圖簡述

圖1顯示按照本發(fā)明的優(yōu)選實施例的基本硬件設(shè)置。
圖2顯示TEMPLATE(模板)單元的結(jié)構(gòu)。
圖3顯示太陽事件鎖定的和太空氣象擾動鎖定的模板的代表。
圖4顯示對于特定的準則組的三個模板的圖形代表。
圖5是產(chǎn)生歷史上得出的、時間鎖定到太陽事件的模板的軟件的流程圖。
圖6是產(chǎn)生歷史上得出的、時間鎖定到太空氣象擾動的模板的軟件的流程圖。
圖7是根據(jù)進入的SEP和/或太陽數(shù)據(jù)與歷史上得出的模板的比較結(jié)果預測太陽感應的事件的開始的軟件的流程圖。
圖8顯示當預測太陽感應的事件時可被使用的一種相似性測量(歐幾里得距離計算)。
圖9顯示實施當預測太陽感應的事件時可被使用的一種相似性測量(歐幾里得距離計算)的通用子程序。
圖10顯示一種混合太空氣象預測系統(tǒng)，其中來自太陽鎖定的和風暴鎖定的模板的信息被組合，以便增加預報精確性。
圖11是用于產(chǎn)生太空氣象預測的專家系統(tǒng)的軟件的流程圖。
圖12是由峰值尋找專家系統(tǒng)使用的GetCurrentValue(得到當前值)子程序的流程圖。
圖13顯示被使用來存儲用于峰值尋找專家系統(tǒng)的數(shù)據(jù)(SEP，太陽，等等)的數(shù)據(jù)數(shù)組。
圖14顯示按照本發(fā)明的專家系統(tǒng)通過使用不同的模糊量的預報結(jié)果。
圖15顯示三層神經(jīng)網(wǎng)絡(luò)。
圖16顯示通用預測/識別模塊(PIM)。
圖17是顯示接入PIM組的流程圖。
圖18顯示級聯(lián)的混合系統(tǒng)圖19顯示通用預報最佳化和通知單元(FONE)。
優(yōu)選實施例描述太陽能量粒子包括正電子、電子、α粒子、和各種物質(zhì)種類，諸如3He，4He，F(xiàn)e，O等等。SEP數(shù)據(jù)包括(i)物質(zhì)種類比值，諸如正電子/α粒子，3He/4He，F(xiàn)e/O等等，(ii)各種整體的和不同的能量范圍(＞1Mev，在3和5Mev之間，等等)，(iii)通量，對數(shù)通量，通量比值，以及在各個能量范圍中、與之間的通量的其他得出的參量和變化(例如，在最近的時間間隔內(nèi)能量粒子計數(shù))，(iv)譜形狀，譜比值，以及其他得出的譜參量和變化，(v)在SEP事件的出現(xiàn)之間的時間，它們的持續(xù)時間或改變速率(例如，逐漸的，沖擊的)，自從上一個SEP事件以來的小時數(shù)，等等。感興趣的其他數(shù)據(jù)包括(i)太陽數(shù)據(jù)，諸如，但不限于，X射線，光線，γ射線，無線電波，微波，消失的暗斑，EUV，UV，太陽磁性，日震數(shù)據(jù)，(ii)地球物理數(shù)據(jù)，諸如，但不限于，Kp，Ap，地磁暴和Dst數(shù)據(jù)，(iii)星際數(shù)據(jù)，諸如，但不限于，波動，得出的參量(例如，沖擊速度，方向，強度等等)和(iv)數(shù)據(jù)的其他變動和得出的參量，諸如在事件的出現(xiàn)之間的時間，事件的持續(xù)時間，自從上一個事件以來的小時數(shù)，自從上一個事件以前的事件以來的小時數(shù)，等等。
術(shù)語“太空氣象擾動”被使用來指許多事件，包括，但不限于，以下出現(xiàn)的事件的任一個(或任何組合)(a)“突然開始”的出現(xiàn)，即，地磁場的水平分量的強度的突然增加。
(b)Kp水平的突然改變(上升或下降)，其中Kp是行星范圍(全球)平均K索引。K索引是從在觀察的地磁場與預期的平靜磁場條件的最大偏離(以毫微泰斯拉計)的規(guī)定的3小時時間間隔期間的測量得出的、在0和9之間的準對數(shù)的數(shù)。K索引是對于在觀察臺址之間的預期的地球物理偏移值被調(diào)節(jié)的。
(c)A，AA，Ap或其他地球物理索引水平的突然改變(上升或下降)，(d)本地地面感應電流(GIC)的出現(xiàn)。
(e)在高層大氣層或地磁層中高輻射的區(qū)域的出現(xiàn)。
(f)在地磁層中輻射帶的形成或毀滅。
(g)Dst水平的突然改變(上升或下降)，其中Dst是環(huán)流的行星范圍(全球)索引，它是基于地磁場的水平(H)分量的變化的地面測量。
(h)在地球或靠近地球環(huán)境的太陽或星際沖擊的出現(xiàn)，以及它的到達時間，強度，速度，沖擊后太陽風速度，和地面有效的星際磁場分量，在沖擊到達與日冕物質(zhì)注入到達之間的最小時間，等等。
(i)地磁層的壓縮或擴展。
(j)由于太陽沖擊，能量粒子事件等等引起的宇宙飛船功能、通信和數(shù)據(jù)流的打擾。
(k)由于太陽沖擊，能量粒子事件等等引起的宇宙飛船功能、通信和數(shù)據(jù)流的二次打擾，包括，但不限于，全球定位系統(tǒng)(GPS)的失效，空中交通控制系統(tǒng)的失效，蜂窩電話的失效，電視或無線電廣播的中斷，等等。
(1)極光橢圓形的赤道邊緣的位置的改變，它的拖尾的位移，和南北極的冰帽的電位。
(m)強烈的和平靜的SEP時間概況，峰值通量，能量，能量密度等等。
(n)對國際空間站，宇航員，高空飛行的飛行器等等的輻射傷害。
(o)在非地球位置處任何的以上的擾動。例如，以上的擾動也會發(fā)生在或靠近宇宙飛船(例如，Intriligator，D.S.1977，“Pioneer9 and Pioneer 10 observations of the solar wind associated withthe August 1972 events(與1972年事件有關(guān)的、先鋒9號和先鋒10號的太陽風的觀察)”，Journal of Geophysical Research，82，603-617)，彗星(例如，Intriligator，D.S.與Dryer，M.1991，”A Kickfrom the Solar Wind as the Cause of Comet Halley’s FebruaryFlare(來自太陽風的反沖作為哈雷彗星的1991年2月的光斑的起因)”，Nature，353，407-409)，或其他行星(例如，Intriligator，D.S.與Smith，E.J.1979，“Mars in the Solar Wind(太陽風中的火星)”，Journal of Geophysical Research，84，8427；Intriligator，D.S.1985，”New Results on the Pioneer Venus Orbiter February10-12 1982 EventsA solar Wind Disturbance Not a Comet(先鋒金星軌道器1982年2月10-12日事件的新的結(jié)果太陽風擾動，而不是彗星)”，Geophysical Research Letters，12，187-190)。
(p)在規(guī)定的位置(例如，地理，磁層，環(huán)境，星際，行星等等)處任何的以上的擾動，以及在該位置處它的開始，持續(xù)時間，猛烈程度，峰值通量，強度，等等。
圖1顯示本發(fā)明的實施例的基本硬件設(shè)置。計算機100和貯存裝置101包含軟件和數(shù)據(jù)，執(zhí)行本發(fā)明的太空氣象預測系統(tǒng)的功能。計算機100也可被連接到一個或多個數(shù)據(jù)源，諸如(但不限于)(a)直接或間接連接到來自測量能量粒子的儀器或宇宙飛船102，諸如GOES，STEREO，WIND或ACE，的數(shù)據(jù)流，(b)網(wǎng)絡(luò)103，諸如互聯(lián)網(wǎng)，內(nèi)部網(wǎng)，或其他高速度數(shù)據(jù)鏈路(例如，NOAA的太空環(huán)境中心，它提供能量粒子測量的經(jīng)常更新的信息)，(c)地面觀察站104，(d)歷史檔案105(例如，為了測試目的)，諸如在國家地球物理數(shù)據(jù)中心的檔案，(e)鍵盤106，使能由人類計算機操作者輸入數(shù)據(jù)，(f)模型產(chǎn)生的數(shù)據(jù)源107。
在優(yōu)選實施例中，預報是基于SEP數(shù)據(jù)的復雜的模式和可任選地，與太空氣象事件或與平靜的條件(即，非事件)有關(guān)的太陽事件數(shù)據(jù)以及任選地是基于太陽周期的位相。能量粒子數(shù)據(jù)常常是在不同的能量范圍內(nèi)測量的。典型地，這些能量范圍包括＞1Mev，＞2Mev，＞4Mev，＞10Mev，＞30Mev，和＞60Mev。在每個能量范圍內(nèi)，進行能量粒子通量的測量，即，每秒每個立體弧度每個平方厘米到達的粒子的數(shù)目。下面描述的實施例可以運行在任何的或所有的這些能量范圍，或替換地，運行在得出的能量范圍的任何組合(例如，2-5Mev，1og(4-10Mev)，2-5Mev的傅立葉分量，或其他的測量的，仿真的，或得出的能量范圍或擾動)。另外，也可以使用其他能量粒子數(shù)據(jù)，諸如物質(zhì)種類(3He，4He，F(xiàn)e，O，等等)或物質(zhì)種類比(例如，3He/4He，等等)。
除了SEP數(shù)據(jù)以外，有許多種類的、可被使用的太陽數(shù)據(jù)，或者用于它們本身，諸如用于SEP數(shù)據(jù)的代理，或者補充SEP數(shù)據(jù)。這些附加的數(shù)據(jù)種類可包括，但不限于，太陽表面磁場結(jié)構(gòu)的強度、頻率、極性、位置和/或方向的改變，日冕空穴結(jié)構(gòu)，X射線或無線電波，日震參量，絲狀或拱形結(jié)構(gòu)，等等。另外，可以使用星際的代表(諸如，由過渡時的沖擊產(chǎn)生的波或其他現(xiàn)象)。
基于模板的實施例基于模板的實施例具有兩個階段。在第一階段，創(chuàng)建模板，例如，通過圖5所示的處理過程，或圖6所示的類似的處理過程。在第二階段，本發(fā)明通過把新的數(shù)據(jù)與模板進行比較而產(chǎn)生預測，如圖7所示。
如圖2所示，每個模板200是一系列排序的數(shù)值202(例如矢量或數(shù)組)。(除非提出，在圖上和這里的描述中提供的數(shù)據(jù)只是說明性的，不反映實際的數(shù)據(jù)測量值。)數(shù)值202可以是在特定的能量范圍中的SEP的通量。每個模板200可包括3和300個單元之間。單元的數(shù)目可以特別隨被使用來產(chǎn)生預測的變量和被使用來產(chǎn)生模板的準則而變化，正如下面討論的。
在優(yōu)選實施例中，每個模板可被用有關(guān)在模板中的數(shù)據(jù)被收集時的太陽周期的位相的信息標記。
模板可以根據(jù)到太陽事件的時間鎖定(例如，光耀斑或X射線突發(fā)的時間被取為時間零)或到太空氣象擾動的時間鎖定(例如，Ap值第一次超過30的時間被取為時間零)被創(chuàng)建。模板產(chǎn)生的過程在這兩種情形下幾乎是相同的。主要的不同點是被包括在模板中的數(shù)據(jù)，以及如何進行以后的太空氣象預測。如果時間鎖定是基于太陽事件，則太陽事件附近(即，之前，期間，和/或之后)的SEP或其他數(shù)據(jù)被包括在模板中。另一方面，如果時間鎖定是基于太空氣象擾動，則雖然太空氣象擾動附近的數(shù)據(jù)仍舊可被包括在模板中，但特別是在擾動之前的SEP或其他數(shù)據(jù)被包括在其中。
圖3上顯示這些時間鎖定方法。在中心塊301，顯示在太陽周期的特定的位相的時間間隔上假設(shè)的粒子數(shù)據(jù)。顯示的數(shù)據(jù)完全是假設(shè)的，只是用于說明性目的。圖例302標識圖3上使用的兩種類型的標記，方形代表太陽事件，例如，耀斑；圓形代表太空氣象擾動，例如，突然的開始。在本圖上，太空氣象擾動310和311是大的風暴，以及太空氣象擾動312是小的風暴。上部塊303顯示被時間鎖定到太空氣象擾動的兩個模板，取在擾動之前的數(shù)據(jù)用于包括在模板中。在本圖上，第一模板301代表通過在310和311之前的數(shù)據(jù)(即在方塊305和306中的數(shù)據(jù))而得出的、在大的風暴之前的平均粒子活動性。第二模板307代表在小的風暴之前的平均粒子活動性，在這種情形下，是在擾動312之前的數(shù)據(jù)。在優(yōu)選的實施方案中，模板典型地是基于大量的樣本，因此將更好地表征特定的類型的太空氣象事件的數(shù)據(jù)代表或特定的太陽周期位相的非事件。
下部塊309表示根據(jù)時間鎖定到太陽事件以及取以后的數(shù)據(jù)被包括在模板中被創(chuàng)建的三個模板。在這種情形下，三個模板是與特定的太陽周期的位相的“太空氣象擾動的時間”有關(guān)的，再次為了說明性目的。再次地，在優(yōu)選的實施方案中，模板是基于大量樣本的。
創(chuàng)建太陽事件鎖定的模板圖5顯示處理過程，通過這個過程，可變數(shù)目的模板是基于時間鎖定到太陽事件被創(chuàng)建的。在步驟500，選擇一組準則。這組準則確定在每個模板中將被代表的信息，以及它可以以任何的多種方式被選擇。例如，一組準則可以是根據(jù)相關(guān)的太空風暴的強度把風暴分類成三個類別(例如，溫和、中間、或嚴重)。不同的準則組可以是根據(jù)它們的起源點的經(jīng)度分類太陽事件(例如，東部，中心，西部)。不同的準則組可以是根據(jù)風暴持續(xù)時間把風暴分類成三個類別(例如，短的、中間、或長的持續(xù)時間)。再一個準則組可以是根據(jù)風暴的到達速度把風暴分類(例如，快速到達，中等到達和緩慢到達，其中快速到達的風暴在引起該風暴的太陽事件的40小時內(nèi)到達，中等到達的風暴在41與80小時之間到達，以及緩慢到達的風暴在大于80小時后到達)。準則組可被創(chuàng)建來記錄太空氣象擾動的任何的特性，包括開始時間，持續(xù)時間，強度，位置，和與上述的太空氣象擾動有關(guān)的許多其他參量。例如，另一個準則組可以被創(chuàng)建來預測不同的尺寸的極光橢圓形或其他地球物理區(qū)域(例如，第三輻射帶，在國際空間站處的粒子的流量，等等)。另外，多個(或甚至時變的)組的準則和模板可被選擇和被并行使用。
準則組確定模板的總數(shù)(全部模板)。優(yōu)選地，分開的模板是對于在用于太陽周期的每個位相的準則組中的每個類別被創(chuàng)建的，即，模板包含與用于太陽周期的特定的位相的類別有關(guān)的數(shù)據(jù)的代表。在一個實施例中，準則組規(guī)定，三個模板是對于太陽周期的每個位相被創(chuàng)建的(如圖4所示)模板一(401)代表接近于在太陽的東部經(jīng)度處發(fā)生太陽事件的時間的能量粒子和/或太陽活動性(“東部”事件)，模板二(402)代表接近于在太陽的中心經(jīng)度處發(fā)生太陽事件的時間的能量粒子和/或太陽活動性(“中心”事件)，以及模板三(403)代表接近于在太陽的西部經(jīng)度處發(fā)生太陽事件的時間的能量粒子和/或太陽活動性(“西部”事件)。
另一個替代的準則組對于太陽周期的每個位相需要九個模板例如，上述的“慢的”，“中等的”，和“快速的”準則，但每個這些準則再被劃分成三個基于經(jīng)度的模板(例如，一個代表快速事件的模板起源于太陽的東部區(qū)域，一個代表快速事件的模板起源于太陽的中心區(qū)域，等等)。
替換地，模板可包括多個子模板，每個與不同的類型的數(shù)據(jù)和/或具有與其他的模板中的數(shù)據(jù)的預定的時間關(guān)系的數(shù)據(jù)有關(guān)。例如，一個子模板可以包含在太陽事件之前和/或期間的太陽數(shù)據(jù)，正如X射線，γ射線，微波，紫外線，等等數(shù)據(jù)，以及另一個子模板可代表在太陽事件期間和/或之后的能量粒子數(shù)據(jù)。在一個實施例中，X射線和SEP數(shù)據(jù)在子模板中被使用來預報到達速度和地磁暴的強度，包括峰值粒子通量。
下面描述的流程圖可以容易地適合于處理任何以上類型的模板。
在步驟501，計數(shù)器變量N被設(shè)置為1，以及TEMPLATES 510(它被使用來存儲數(shù)值的運行和)被清除為零，COUNTS(它被使用來跟蹤在每個TEMPLATE內(nèi)的樣本的數(shù)目)也被清除為零。
步驟502從包含這樣的歷史信息的數(shù)據(jù)存儲器503中檢索有關(guān)第N個太陽事件的信息(諸如，它的開始時間TSTART，它的太陽的位置EVENTPOSITION(即，它在太陽上發(fā)生的地方)和當它發(fā)生時太陽周期的位相)。
通過檢索在步驟502識別的數(shù)據(jù)，例如，在接近時間TSTART的時間間隔內(nèi)的數(shù)據(jù)，步驟504填充臨時數(shù)據(jù)數(shù)組，TEMPDATA(它具有類似于圖2所示的TEMPLATES的格式)。在一個實施例中，程序取200小時的SEP數(shù)據(jù)，后面跟隨太陽事件，也就是它從包含這樣的歷史信息的數(shù)據(jù)庫505中檢索在小時TSTART到(TSTART+200)內(nèi)的數(shù)據(jù)。替換地，程序取事件之前的100小時和事件后的另外100小時。在一個優(yōu)選實施例中，200個數(shù)據(jù)值被取出，以使得(i)頭100個樣本是在事件后的100小時內(nèi)從一個SEP能量范圍(例如，通量＞10Mev)每小時一個地被取出，以及(ii)下一個100樣本是在事件后的100小時內(nèi)從不同的能量范圍(例如，通量＞100Mev)每小時一個地被取出。然而，本發(fā)明不限于特定的數(shù)目的TEMPLATE單元，既不是通過一小時采樣，也不是通過包括任何組數(shù)的粒子測量(例如，能量范圍，粒子物質(zhì)種類，等等)，也不是通過包括一組數(shù)目或類型的太陽測量，也不是通過選擇的時間窗口(數(shù)據(jù)是從這個窗口被收集的)，等等。
步驟506通過查找包含地面有效的事件數(shù)據(jù)的數(shù)據(jù)庫而確定在時間TSTART以后最立即的地面有效的事件的時間TDELAY。典型地，由于合理的事件速度的考慮，只有大于20小時的和小于120小時的數(shù)據(jù)被取為可看見的候選者用于“最快”的事件。取決于在步驟500選擇的CRITERIA(準則)組，步驟506可以是任選的(例如，如果CRITERIA不使用TDELAY作為用于事件分類和TEMPLATE的產(chǎn)生的基礎(chǔ))。
步驟508把CRITERIA條件應用到相關(guān)的變量(例如，TDELAY，EVENTPOSITION，太陽周期位相，等等)，以及設(shè)置變量WHICHONE，表示TEMPDATA應當被加到的模板。
在步驟509，TEMPDATA被按一個小時一個小時的基礎(chǔ)加到TEMPLATE[WHICHONE]即，TEMPDATA的小時1被加到TEMPLATE[WHICHONE]的小時1，TEMPDATA的小時2被加到TEMPLATE[WHICHONE]的小時2，等等。在數(shù)據(jù)被相加后，在步驟S511，COUNT[WHICHONE]被加增量1。在一個優(yōu)選實施例中，COUNT[WHICHONE]具有附加的維，這樣，計數(shù)值在每個TEMPLATE中在每個小時內(nèi)被保持。這個附加的維不改變算法的邏輯，但它確實允許程序處理數(shù)據(jù)間隙(在這種情形下，沒有東西加到TEMPLATE的該特定的單元，以及COUNT[WHICHONE][HOUR]不加增量)。而且，附加的維允許操作者(或者通過眼睛或者通過算法)分配以一個“置信度”度量給TEMPDATA的每個單元，以及隨之調(diào)節(jié)COUNT[WHICHONE][HOUR]。例如，如果在太陽事件后面的頭21小時的數(shù)據(jù)被先前的風暴(或機器錯誤)明顯地污染，則這些數(shù)據(jù)可被保持在TEMPLATE之外，以及單元COUNT[WHICHONE]
到COUNT[WHICHONE][20]不被加增量。
在步驟512，N(被使用來對正在檢查的太陽事件加索引號的計數(shù)器)被加增量。在步驟513，把N與歷史的太陽事件的總數(shù)進行比較，以及如果還有更多事件要考慮，則控制回到步驟502。如果所有的事件已被考慮，則執(zhí)行步驟514，其中每個TEMPLATE被除以它的各個COUNT(以便產(chǎn)生平均值)。如上所述，如果有附加的維加到COUNT數(shù)組，則每個TEMPLATE的每個單元被除以它的各個COUNT(按逐個進入的原則)。然后處理過程在步驟515結(jié)束，在這時TEMPLATES已被創(chuàng)建。
創(chuàng)建太空氣象鎖定的模板圖6顯示可變的數(shù)目的TEMPLATES根據(jù)到太空氣象擾動的時間鎖定被創(chuàng)建的處理過程。在步驟600，選擇一組CRITERIA。再次，這組準則確定在每個模板中代表的信息，以及可以以多個方式中的任何一個被選擇，如以上結(jié)合圖5描述的。
準則組確定模板的總數(shù)(TOTALTEMPLATES)?？梢詣?chuàng)建代表在事件之前或之后的平均活動性的模板，“事件后的”數(shù)據(jù)對于預測現(xiàn)象(諸如，電離層降低，建成輻射帶，等等)可以是有用的。
在步驟601，計數(shù)器變量N被設(shè)置為1，以及TEMPLATES和COUNTS被清除為0。
步驟602從包含這樣的歷史信息的數(shù)據(jù)存儲器603中檢索有關(guān)第N個太空氣象擾動的信息(諸如，它的開始時間TSTART，擾動的猛烈程度，EVENTSEVERRITY，擾動的持續(xù)時間，EVENTDURATION，和/或在擾動時的太陽周期的位相)。
步驟604通過檢索在接近TSTART的時間間隔內(nèi)感興趣的歷史數(shù)據(jù)填充臨時數(shù)據(jù)數(shù)組，TEMPDATA。例如，這個步驟可包括在太空氣象擾動以前的200小時的SEP數(shù)據(jù)和太陽數(shù)據(jù)，也就是，例如，它從包含這樣的歷史信息的數(shù)據(jù)庫605中檢索在小時(TSTART-200)到TSTART內(nèi)的數(shù)據(jù)。在一個優(yōu)選實施例中，取200個模板，以使得(i)頭100個樣本是從一個SEP能量范圍(例如，通量＞10Mev)每小時一個地被取出，以及(ii)下一個100樣本是從不同的SEP能量范圍(例如，通量＞100Mev)每小時一個地被取出。再次，本發(fā)明不限于特定的數(shù)目的TEMPLATE單元，既不限于通過一小時采樣，也不限于通過包括任何組數(shù)的SEP或太陽測量。
步驟608把CRITERIA條件應用到相關(guān)的變量(例如，EVENTSEVERITY，或EVENTDURATION)，以及確定TEMPDATA應當被加到的模板。變量WHICHONE因此被設(shè)置。
在步驟609，TEMPDATA被加到TEMPLATE[WHICHONE]。這個附加按一個小時一個小時地進行，這樣，TEMPDATA的小時1被加到TEMPLATE[WHICHONE]的小時1，TEMPDATA的小時2被加到TEMPLATE[WHICHONE]的小時2，等等。在數(shù)據(jù)被相加后，在步驟S611，COUNT[WHICHONE]被加增量1。在一個優(yōu)選實施例中，COUNT[WHICHONE]具有如結(jié)合圖5描述的、附加的維，這樣，計數(shù)值在每個TEMPLATE中為每個小時被保持。
在步驟612，N(被使用來對正在檢查的太陽氣象擾動加索引號的計數(shù)器)被加增量。在步驟613，把N與歷史的太空氣象擾動的總數(shù)進行比較，以及如果還有更多擾動要考慮，則控制回到步驟602。如果所有的擾動已被考慮，則執(zhí)行步驟614，其中每個TEMPLATE被除以它的各個COUNT(以便產(chǎn)生平均值)。如上所述，如果有附加的維加到COUNT數(shù)組，則每個TEMPLATE的每個單元被除以它的各個COUNT(按逐個進入的原則)。然后處理過程在步驟615結(jié)束，在這時太空氣象擾動鎖定的TEMPLATES已被創(chuàng)建。
使用模板產(chǎn)生預測一旦TEMPLATES組已被創(chuàng)建，這些TEMPLATES可被使用來產(chǎn)生太空氣象預測。把新的數(shù)據(jù)與用于太陽周期的當前的位相的TEMPLATES相比較，以及最類似的那個TEMPLATE然后被使用來產(chǎn)生預測。例如，如果新的數(shù)據(jù)最類似于代表嚴重的風暴的TEMPLATE，則發(fā)布嚴重的風暴可能正在到達的警告。
圖7顯示產(chǎn)生這樣的預測的處理過程。在步驟702，從圖1所示的數(shù)據(jù)源(宇宙飛船102，互聯(lián)網(wǎng)103，地面觀察站104，數(shù)據(jù)存儲器105，人的輸入106，或模型107)之一得出SEP或其他活動性的新的測量值。然后，把數(shù)值存儲在數(shù)據(jù)數(shù)組，NEWDATA 703。每個新的數(shù)據(jù)值被移位到NEWDATA數(shù)組703，即，在NEWDATA中的第一個數(shù)值被去除，在NEWDATA中的所有的項目“向前”移位一個位置(因此第二個數(shù)值將填充先前由第一個數(shù)值占用的位置，等等)，然后，最新的數(shù)值被放置在NEWDATA數(shù)組中的新的空出的“最后的”位置。替換地，如果TEMPLATES包含子分段(例如，頭50個數(shù)值是來自于與接著的50個數(shù)值不同的能量范圍)，則新的數(shù)據(jù)的貯存以相同的方式發(fā)生在每個子分段內(nèi)。
處理過程在步驟704繼續(xù)，它計算在NEWDATA與用于當前的太陽周期位相的每個TEMPLATES之間的SIMILARITY度量。SIMILARITY度量705可以按以下的任何方式被計算-計算在NEWDATA與每個TEMPLATE之間的歐幾里得距離(如圖8和9所示)，-計算在NEWDATA與每個TEMPLATE之間的熟知的Pearson相關(guān)系數(shù)，-計算在NEWDATA與每個TEMPLATE之間的協(xié)方差相似性(統(tǒng)計領(lǐng)域技術(shù)人員已知的統(tǒng)計技術(shù)，它不單考慮在每個模板中的平均值，也考慮在模板單元間這些數(shù)值的標準偏差或方差)，-使用任何傳統(tǒng)的識別/比較算法(諸如神經(jīng)網(wǎng)絡(luò)或其他統(tǒng)計度量)。
一旦得到所有的SIMILARITY度量，處理過程就在步驟706繼續(xù)，它設(shè)置變量MOSTSIMILAR到最類似的入口(取決于被使用來計算SIMI分數(shù)的技術(shù)的或者最大的或者最小的數(shù)值)。
變量MOSTSIMILAR表示哪個TEMPLATE最類似于當前的NEWDATA樣本。在步驟707，產(chǎn)生一個預測。這個預測將具有形式“當前的條件非常類似于由[TEMPLATE[MOSTSIMILAR]]所代表的那些條件”。通過使用上述的“快速”，“中等”和“緩慢”CRITERIA，預測可被更按照習慣用法地表示為“警告當前的條件最像快速到達的事件-預計在接著的40小時內(nèi)地面有效的事件！”一旦產(chǎn)生這個預測，控制就進到步驟702。這個處理過程對于到太空氣象擾動和太陽事件的時間鎖定保持相同，雖然預測的性質(zhì)可能是不同的。替換地，(i)只在它不同于上一次產(chǎn)生的預測，才產(chǎn)生一個預測，(ii)預測可以基于某些先前的預測，或(iii)預測可以基于最嚴重的某些先前的預測。
在預測被產(chǎn)生和經(jīng)過某些時間后，有可能評估預測的精確度和動態(tài)地修正預報系統(tǒng)。這可以以幾種方式進行。一方面，當?shù)玫竭m合于模板準則之一的更多的數(shù)據(jù)時，新的數(shù)據(jù)被加到TEMPLATE代表(即，由于過時，“新數(shù)據(jù)”變?yōu)椤皻v史數(shù)據(jù)”，它們被加到歷史上得到的模板中)。另外，用于動態(tài)系統(tǒng)修正的更復雜的技術(shù)是可能的。例如，如果預測被產(chǎn)生，以及在后來看來，發(fā)現(xiàn)它是不正確的，則可以檢查導致很差的預測的TEMPLATE代表，以及識別對于發(fā)布預測最起作用的數(shù)據(jù)。這些數(shù)據(jù)然后被修正，或替換，它們可被標記為“有問題的”。通過這樣的標記，依賴于這些數(shù)據(jù)的將來的預測的置信度會被降低。
樣本相似性-計算子程序圖8顯示可被用作為相似性分數(shù)的歐幾里得距離的計算。再次地，本領(lǐng)域技術(shù)人員將會看到許多其他技術(shù)可被使用來得到相似性度量值。數(shù)字801表示新的樣本802將與之比較的TEMPLATE。對于樣本(1到N，其中N是樣本的長度)中的每個單元，得到差值分數(shù)803。這個差值分數(shù)僅僅是在每個樣本單元與在TEMPLATE中的匹配的(或各個)單元之間的差值。一旦這些差值分數(shù)都被計算，就通過把所有的差值進行平方然后把它們相加(以及取這個平方的差值的和值的平方根)，而得到相似性804的度量值。
圖9顯示另一個實施例，它補償其中在TEMPLATE的開始時的數(shù)據(jù)事實上與CRITERIA不相關(guān)的情形。為了補償這種情形，樣本(或等價地，TEMPLATES)可沿著時間被“滑動”，找出最好的匹配。在步驟902，變量MostSimilar被設(shè)置為非常大的數(shù)目(這里顯示為99999999)，變量SlideNow被設(shè)置為零，以及TotalSlides被設(shè)置為((樣本長度)-(樣本長度))。在步驟903，得到一組差值分數(shù)904，以及計算CurrentSimilarity 905。
然后，在步驟906，把CurrentSimilarity的數(shù)值與MostSimilar進行比較，如果它是較小的(例如，較接近的歐幾里得距離)，則在步驟907，MostSimilar被設(shè)置為等于CurrentSimilar。在任一種情形下，都執(zhí)行步驟908，其中把SlideNow加增量。在步驟909，把SlideNow與TotalSlides進行比較，以及如果還有剩余的滑動項，則控制回到步驟903。一旦所有的滑動都已完成，程序就返回數(shù)值MostSimilar 910。在程序完成后，MostSimilar的數(shù)值是在所有可能的時間的滑動中樣本與模板之間的最小的歐幾里得距離。
在另一個實施例中，熟知的協(xié)方差距離的統(tǒng)計技術(shù)被使用來計算MostSimilar值。在這個技術(shù)中，當TEMPLATES被初始地創(chuàng)建時(通過把各個樣本進行平均)，它不單是被保存的平均值，也是在每個時間點的方差的測量值。圖8和9所示的程序然后使用協(xié)方差技術(shù)來把新的樣本(即，NEW DATA)與每個TEMPLATES進行比較。類似地，可以使用置信度、確定性、或可靠性的其他度量(例如，與先前的預測一致，等等)。例如，置信度水平可以用先前的、結(jié)果證明是正確的、類似的觀察和預報的事例的百分數(shù)來確定。這樣，如果90％的時間，先前的預測結(jié)果證明是精確的，則置信度是90％(或，等價地，0.9)。然而，不像只返回在新樣本與平均值之間的歐幾里得距離的歐幾里得方法，協(xié)方差技術(shù)通過離平均值的標準偏差的數(shù)目返回這個距離。所以，協(xié)方差技術(shù)實際上是諸如熟知的t-測試統(tǒng)計那樣的標準統(tǒng)計技術(shù)的多維的一般化。這個技術(shù)產(chǎn)生相似性估值，不單考慮平均數(shù)據(jù)，也考慮數(shù)據(jù)的離散性，所以，它往往給出多少更好的估值。
因為使用數(shù)值計算來計算在新的數(shù)據(jù)與存儲的代表之間的相似性，有可能得到對于每個預測的置信度度量。例如，協(xié)方差方法從樣本返回標準偏差數(shù)。這可被用作為預測的置信度的度量。具體地，如果當前的數(shù)據(jù)僅僅是離最相似的模板代表的0.01標準偏差，則系統(tǒng)在預測中，比起數(shù)據(jù)離最相似的模板代表是12.8標準偏差時，具有更高的置信度。這樣置信度度量或者連同警告一起被顯示，或者正如經(jīng)常的情形，如果模板預測是較大的(混合)預測系統(tǒng)的一部分(例如，如果幾組模板并行地運行，或如果模板與神經(jīng)網(wǎng)絡(luò)并行地運行，正如下面描述的)，則在最后預測中每個模板的加權(quán)可以是計算的預測置信度的函數(shù)。
基于樣本混合的模板的系統(tǒng)圖10顯示混合模板系統(tǒng)如何運行。這樣的系統(tǒng)被設(shè)計成使用多個組的TEMPLATES，每個組并行地運行，以增加預報精確性。例如，它可以使用三種類型的太陽事件鎖定的TEMPLATES和兩種類型的太空氣象擾動鎖定的TEMPLATES來產(chǎn)生對于風暴開始和風暴性質(zhì)的太空氣象預測(例如，猛烈程度和持續(xù)時間)。替換地，在一個實施例中的TEMPLATES包括用于X射線數(shù)據(jù)的TEMPLATE和用于SEP的TEMPLATE。TEMPLATES也可以與時間上分開的數(shù)據(jù)相聯(lián)系，例如，在X射線數(shù)據(jù)TEMPLATE中的數(shù)據(jù)在時間上早于在SEP數(shù)據(jù)TEMPLATE中的數(shù)據(jù)。
在步驟1000，創(chuàng)建可變數(shù)量的TEMPLATE SET 1000。每個TEMPLATESET將一個可變數(shù)量的TEMPLATES 1002和可變數(shù)量的SIMILARITY度量1004與自己相關(guān)聯(lián)，新的數(shù)據(jù)被存儲到TEMPLATES 1002中1003。當在步驟1005，得到新的數(shù)據(jù)時，適當?shù)臄?shù)值被存儲在每個NEWDATA_SET中。接著，在步驟1006，對于每個TEMPLATE SET，把每個NEWDATA_SET[i]與相應的TEMPLATE[i]進行比較，以及得到相似性度量。在步驟1007，對于每個TEMPLATE SET檢查SIMILARITY度量，以及數(shù)組MOSTSIMILAR的位置[TEMPLATE SET]被設(shè)置到最相似的TEMPLATE。在步驟1007完成后，數(shù)組MOSTSIMILAR將表示，對于每個TEMPLATE SET，在該SET中哪個TEMPLATE最類似于新的數(shù)據(jù)。在步驟1008，對于每個TEMPLATE SET，根據(jù)MOSTSIMILAR數(shù)組產(chǎn)生預測。這時，算法具有許多可能的預測，它必須選擇FINAL PREDICTION(最后的預測)在步驟1009發(fā)布。這個FINAL PREDICTION可以以任何數(shù)目的方式被產(chǎn)生。例如，如果所有的TEMPLATE SETS產(chǎn)生到達時間預測(例如，根據(jù)太陽事件鎖定的數(shù)據(jù))，則FINAL PREDICTION可以是每個TEMPLATE SETS預測的平均，或在另一個實施例中，產(chǎn)生“最壞的情形”預測(即，輸出最短的到達時間預測)。替換地，如果使用協(xié)方差相似性度量，則距離(以標準偏差計的)可被使用來在多個預測之間進行選擇。同樣地，可以使用置信度、確定性或可靠性的其他度量(例如，與先前的預測一致，等等)。然而，如果某些TEMPLATESETS正在估計到達時間(例如，基于太陽鎖定的TEMPLATES)以及其他的正在估計太陽擾動強度，則可以產(chǎn)生兩個分開的預測。通常，這個FINAL PREDICTION步驟1009的邏輯是基于TEMPLATE SETS內(nèi)的特定的TEMPLATES的。
在一個優(yōu)選實施例中，如上所述地創(chuàng)建多個模板。然而，在這個實施例中，多個模板組是對于特定的開始條件被創(chuàng)建的。例如，一組模板是根據(jù)從高的太陽活動性周期(例如，在太陽最大值期間)中取得的歷史數(shù)據(jù)被創(chuàng)建的。另一個分開的模板組是根據(jù)從低的太陽活動性周期(例如，在太陽最小值期間)中取得的歷史數(shù)據(jù)被創(chuàng)建的。一旦這些多個組被創(chuàng)建，通過把當前的數(shù)據(jù)與在適當?shù)哪０褰M中的單元進行比較，就作出當前的預測。通過使用這種氣象預測的動態(tài)方法(其中所使用的特定的模板是最近的或周期的活動性變化的函數(shù)，例如，但不限于，太陽周期的位相)，預報的總的精確度被提高。類似的多個組的模板也對于其他開始的條件被創(chuàng)建(例如，可以創(chuàng)建代表跟隨在大的太陽耀斑后面或跟隨在大的X射線突發(fā)后面的活動性的模板組)。實際上，這個方法是在模板-準則階段中討論的CRITERION的擴展。然而，不用被加到所有的數(shù)據(jù)的CRITERION，這個“STARTINGCONDITION CRITERIA(開始條件準則)”被用作為第一過濾器，它允許對于特定的開始條件創(chuàng)建模板組。
專家系統(tǒng)實施例在這個實施例中，專家系統(tǒng)被使用來對于太陽周期的特定的位相識別SEP和表示特定的類型的太空氣象擾動其他數(shù)據(jù)中復雜的模式。例如，在能量粒子活動性中的“峰值”(即，大概地講，低-高-低地改變的時變的模式，其特性可能取決于太陽周期的當前的位相)可以表示地磁暴的方法。
參照圖11，在步驟1601，變量CURRENT_RISING和PAST_RISING初始地被設(shè)置為0。所有的能量粒子和其他數(shù)據(jù)值由被稱為GetCurrentValue的程序返回(在下面描述)。起始地，從該程序返回的數(shù)據(jù)值被存儲在PAST_VALUE(步驟1601)。
在步驟1602，在獲得新的數(shù)據(jù)或測量值之前，處理過程暫停。這些數(shù)值可以從圖1所示的任何的源得到。數(shù)據(jù)可包括SEP數(shù)據(jù)，X射線強度的測量值，磁場分量的測量值，日震測量值，光學數(shù)據(jù)，等等。
如上所述，SEP數(shù)據(jù)常常是在不同的能量范圍中測量的，例如，＞1Mev，＞2Mev，＞4Mev，＞10Mev，＞30Mev，和＞60Mev。在每個能量范圍內(nèi)測量每秒每個立體弧度每個平方厘米到達的粒子的數(shù)目。本算法可以運行在任何的或所有的這些能量范圍，或替換地，運行在任何組合或得出的能量范圍(例如，2-5Mev，log(4-10Mev)，2-5Mev的傅立葉分量，等等)。
一旦得到新的數(shù)據(jù)值，CURRENT_VALUE被設(shè)置為由GetCurrentValue返回的數(shù)值(步驟1603)。CURRENT_VALUE然后與PAST_VALUE進行比較(步驟1604)。如果當前的數(shù)值大于PAST_VALUE，則CURRENT_RISING被設(shè)置為真實(步驟1605)，否則CURRENT_RISING被設(shè)置為虛假(步驟1606)。接著，通過檢驗是否CURRENT_RISING是虛假和PAST_RISING是真實，而確定出現(xiàn)峰值(步驟1607)。如果正是這種情形，則把CURRENT_VALUE與THRESHOLD值進行比較(步驟1608)。如果CURRENT_VALUE大于THRESHOLD值，則預測風暴將在接著的72小時內(nèi)的某個時間出現(xiàn)(步驟1611)。THRESHOLD值是根據(jù)被分析的數(shù)據(jù)的類型和可能根據(jù)太陽周期的當前的位相被選擇的。另外，圖11所示的程序的多個版本可以運行在不同的SEP和太陽數(shù)據(jù)，以及可以根據(jù)這些多個程序的結(jié)果預測風暴。例如，在一個實施例中，風暴是根據(jù)檢測到X射線數(shù)據(jù)大于某個THRESHOLD的上升或X射線數(shù)據(jù)大于某個THRESHOLD的峰值后面跟隨SEP再次大于某個THRESHOLD的上升或峰值，而被預測的。接著，PAST_RISING被設(shè)置為CURRENT_RISING(步驟1609)和PAST_VALUE被設(shè)置為CURRENT_VALUE(步驟1610)。操作然后回到步驟1602。
圖12上顯示GetCurrentValue的程序，該程序使用三個變量/數(shù)據(jù)結(jié)構(gòu)DataArray，CurrentTime和BlurAmount。DataArray是類似于圖13所示的一個數(shù)組。數(shù)組1801中的每個元素包括索引號1802和數(shù)據(jù)值1803。被存儲在這個數(shù)組中的數(shù)據(jù)值1803可以是，例如(1)整個能量范圍(例如，0-10,000MeV)的測量值，(2)來自如1中的這樣的測量值的帶通區(qū)域，或(3)如2中的這樣的測量值的線性和非線性組合，CurrentTime是被使用來給DataArray的索引號加增量的數(shù)值。BlurAmount被使用來表示在返回數(shù)值之前應當有多少數(shù)據(jù)值一起被平均。在圖12上，實施平均作為簡單的未加權(quán)的平均。然而，應當看到，這里可以使用任何加權(quán)平均的形式。
程序GetCurrentValue運行如下。在步驟1701，索引號CurrentTime的DataArray的元素被設(shè)置為最近的數(shù)據(jù)值。接著，在步驟1702，變量TheVa1ue被設(shè)置為BlurAmount的最近的數(shù)據(jù)值的和值。然后，變量CurrentTime被加增量(步驟1703)。最后，程序返回，把TheValue除以BlurAmount(即，平均)(步驟1704)。
不同的BlurAmount的GetCurrentValue程序的結(jié)果被顯示于圖14，使用能量粒子數(shù)據(jù)作為感興趣的數(shù)據(jù)。這個圖上給出的三個圖形的X軸1901都代表小時，以及Y軸代表具有大于1Mev的能量的粒子的能量粒子測量值的對數(shù)(數(shù)目/(厘米平方)秒立體弧度)。數(shù)據(jù)值是為了說明性目的從1991年3月開始的時間間隔中取的。
在上部的圖中，畫出能量粒子的原始的(未處理的，所以是未平均的)數(shù)值1903。小圓圈904表示突然開始實際出現(xiàn)的時間(即，有極大的太空風暴的時間)。來自本發(fā)明的預測用小的朝下的三角形1905表示。這些預測是使用約為200的門限值而得到的。雖然這些預測中的某些預測相當精確，但顯然有許多虛假警報(即，算法太自由，它預測實際上不出現(xiàn)的風暴)。
在圖14的中部的圖上，數(shù)據(jù)再次被畫出1906，但這次BLUEAMOUNT被設(shè)置為3小時。因此，曲線1906上的每個點實際上是在曲線1903上發(fā)現(xiàn)的三個接連的小時的平均值。在這個中部的圖上，再次表示了預測1907和實際風暴1908。這種情形比起圖形1903，出現(xiàn)較少的虛假警報。
最后，在底部的圖上，能量粒子數(shù)據(jù)值用6小時的BLURAMOUNT被畫出1909。再次地，表示了預測的風暴1910和實際的風暴1911。與頂部和中間的曲線相比較，顯然，使用這個較大的模糊量可減小虛假警報數(shù)目。
與本發(fā)明相對照，本領(lǐng)域技術(shù)人員從圖14將會看到，只查看通量超過某個門限值的現(xiàn)有技術(shù)可能發(fā)布警告在代表幾個不同的風暴的長的時間間隔內(nèi)風暴正在來臨。例如，對于圖14上代表的數(shù)據(jù)，如果門限值是10，只基于門限值的系統(tǒng)連續(xù)發(fā)布大約500到900小時的警告，即使這個時間間隔包括四個不同的風暴。
按照本發(fā)明的專家系統(tǒng)不限于各種形式的峰值檢測。同樣地，專家系統(tǒng)可以是基于線性或非線性時間序列預報技術(shù)。例如，在另一個實施例中，專家系統(tǒng)(1)檢查當前的或最近的太空氣象條件，(2)計算在最近的時間間隔內(nèi)SEP計數(shù)值的變化(例如，標準偏差)；(3)計算(a)自從上一個風暴以來的小時數(shù)目和(b)自從上一個風暴以前的風暴以來的小時數(shù)目；以及根據(jù)(1)，(2)和(3)的結(jié)果確定下一個風暴之前的時間。這個預測是通過把當前的SEP變化和時間之間的風暴與歷史上得到的、類似于當前條件的太空氣象條件的這些變化的分布進行比較而作出的。例如，可以產(chǎn)生包含在X軸上的時間之間的事件和在Y軸上觀察到時間延遲的次數(shù)的分布。這種基本分布的幾個變例可被創(chuàng)建一個是基于跟隨在不到200小時以前的太陽事件后面的歷史數(shù)據(jù)，另一個是基于跟隨在200-400小時以前的太陽事件后面的歷史數(shù)據(jù)。一旦分布被創(chuàng)建，通過檢查當前的或最近的太空氣象條件，(根據(jù)上述(1)的結(jié)果)作出對于當前的數(shù)據(jù)使用哪個分布的選擇。一旦作出這個選擇，就有可能通過使用標準的(和熟知的)統(tǒng)計技術(shù)從這個分布得出最可能的時間-事件。在這個預報中的置信度可以是基于歷史上類似的觀察和預報，作為被發(fā)布的和被驗證的預報的百分數(shù)。
在本發(fā)明的替換的實施例中，使用了組合幾個法則的其他的專家系統(tǒng)。例如，分析SEP的時變的概況的法則已被發(fā)現(xiàn)用來改進預測；具體地，法則分析在不同的能量通道中通量的上升時間，在3He/4He比值中的改變，以及在不同的能量通道中正電子通量、電子通量、α粒子通量和其他粒子物質(zhì)類別的上升時間的比較。正如在先前的實施例的情形下，最后的預測可以按多種方式被產(chǎn)生。它可以是每個專家預測的平均或是“最壞的情形”預測，等等。正如在先前的實施例的情形下，最后的預測可以按多種方式被產(chǎn)生(例如，通過“最壞情形”技術(shù)，通過子系統(tǒng)預測的加權(quán)的和值，通過基于最近的預測的加權(quán)，等等)。
另外，正如在基于模板的實施例中，專家系統(tǒng)實施例允許預測的置信度的定量化。例如，在利用有關(guān)峰值檢測的法則的優(yōu)選實施例中，預測的置信度水平可以通過幾種方法得到，諸如(1)通過把當前的峰值大小與最近的過去的其他的峰值進行比較的功能，(2)通過檢查在當前的峰值與最近的太陽活動性之間的相關(guān)性的功能，(3)通過量化當前的峰值的傅立葉功率的功能，等等。一旦預測的置信度水平已被量化，它就可作為預測系統(tǒng)的輸出的一部分被顯示?；?，如果正如可能是這種情形，專家系統(tǒng)是較大的(混合)預測系統(tǒng)的一部分(例如，如果幾組法則并行地運行，或如果專家系統(tǒng)與基于模板的系統(tǒng)并行地運行，等等)，則專家系統(tǒng)預測在最后的(總的)預測中的加權(quán)因子可以是計算的預測置信度的函數(shù)。
基于神經(jīng)網(wǎng)絡(luò)的實施例圖15顯示簡單的三層神經(jīng)網(wǎng)絡(luò)111的例子，包括輸入層112，隱藏層114，和輸出層116。神經(jīng)網(wǎng)絡(luò)輸入數(shù)據(jù)具有矢量的形式(即，每個數(shù)據(jù)點實際上是排序的系列的數(shù))。這些數(shù)據(jù)通過設(shè)置輸入層112中的節(jié)點的數(shù)值，而被饋送到網(wǎng)絡(luò)111。然后，活動性通過把輸入層112中的每個節(jié)點鏈接到隱藏層114中的每個節(jié)點的連接113而流過網(wǎng)絡(luò)。這些連接中的每個具有與它有關(guān)的加權(quán)因子，這樣，流過任何特定的連接的活動性量實際上是連接的加權(quán)因子與輸入節(jié)點的數(shù)值的乘積。在隱藏層中任何節(jié)點的活動性量，或者例如是饋送到該節(jié)點的加權(quán)的連接的和值，或者是通過門限函數(shù)(諸如，S形曲線的加權(quán)函數(shù))被饋送的加權(quán)的連接的和值。信息流以類似的方式通過一組加權(quán)的連接115從隱藏層114繼續(xù)行進到輸出層116。
神經(jīng)網(wǎng)絡(luò)(像圖15所示的神經(jīng)網(wǎng)絡(luò))是一種把一組矢量(輸入矢量)映射到另一組矢量(輸出矢量)的復雜的方法。然而，為了這種映射是有用的，神經(jīng)網(wǎng)絡(luò)必須首先被訓練。這種訓練包含在神經(jīng)網(wǎng)絡(luò)的加權(quán)因子和/或門限值中作出小的改變。在訓練完成后，神經(jīng)網(wǎng)絡(luò)應當執(zhí)行想要的映射。雖然可以使用許多不同的技術(shù)來訓練神經(jīng)網(wǎng)絡(luò)，但大多數(shù)技術(shù)依賴于同一個邏輯(i)得到一組輸入-輸出對(這是“訓練組”)，(ii)每個輸入被饋送到神經(jīng)網(wǎng)絡(luò)以及最后得出的輸出與想要的輸出進行比較，和(iii)根據(jù)這個比較的結(jié)果，作出加權(quán)因子和/或門限值的改變，以便減小在得到的輸出與想要的輸出之間的誤差。這個輸入-輸出訓練繼續(xù)進行，直至錯誤率被減小到可接受的水平為止。因此，使用神經(jīng)網(wǎng)絡(luò)的第一步包括創(chuàng)建被使用來訓練網(wǎng)絡(luò)的輸入-輸出對。神經(jīng)網(wǎng)絡(luò)訓練可以是基于后向傳播或基于其他訓練技術(shù)(例如，Hebbian或自組織方法)。實施神經(jīng)網(wǎng)絡(luò)是已知的，所以這里不作詳細模式。
精確地預報太空氣象的神經(jīng)網(wǎng)絡(luò)的能力部分地取決于規(guī)定用作為訓練組中的輸入和輸出矢量的正確的數(shù)據(jù)。本發(fā)明，不像用于預測或分類太空氣象的過去的神經(jīng)網(wǎng)絡(luò)，在一個實施例中是通過使用三個或多個SER數(shù)據(jù)點和太陽周期的位相作為輸入?yún)⒘慷挥柧毜?。在一個實施例中，神經(jīng)網(wǎng)絡(luò)例如通過使用數(shù)據(jù)的組合被附加地訓練，例如，神經(jīng)網(wǎng)絡(luò)可以用來自不同的能帶的SEP數(shù)據(jù)、與太陽數(shù)據(jù)相組合的SEP數(shù)據(jù)、和/或時間上分開的SEP和太陽數(shù)據(jù)被訓練。在一個實施例中，例如，神經(jīng)網(wǎng)絡(luò)是用X射線數(shù)據(jù)加上SEP數(shù)據(jù)被訓練的。優(yōu)選地，神經(jīng)網(wǎng)絡(luò)也用與太空氣象事件沒有聯(lián)系的數(shù)據(jù)被訓練，導致平靜條件的較好的預測。
在每種情形下，訓練組是以類似于以上結(jié)合模板實施例描述的方式得到的；對于感興趣的每個太陽事件或太空氣象事件，相關(guān)的數(shù)據(jù)根據(jù)太陽事件的時間或太空氣象事件的時間從歷史數(shù)據(jù)庫中被得出。訓練的輸入矢量所以是從歷史數(shù)據(jù)庫中得到的數(shù)據(jù)，以及輸出矢量被選擇成唯一代表與數(shù)據(jù)有關(guān)的事件或平靜的條件。
在神經(jīng)網(wǎng)絡(luò)被訓練后，在訓練時被使用的形式的當前的數(shù)據(jù)被輸入到神經(jīng)網(wǎng)絡(luò)，它進而又輸出標識太空氣象預報的矢量。
輸出矢量在大多數(shù)情形下，是與被使用來編碼訓練數(shù)據(jù)的理想化的輸出矢量稍微不同的。例如，如果當前的數(shù)據(jù)是來自于嚴重的西部事件(在訓練期間可被編碼為<1，0，0>的事件)，則輸出矢量可以是<0.95，0.002，0.1>。預測置信度的測量值可以通過查看在當前的矢量與理想化的(訓練編碼的)輸出矢量之間的歐幾里得距離而得到。預測置信度的這樣的測量值然后可以或者是連同預測被輸出，或者被使用來加權(quán)在較大的(混合)太空氣象預報系統(tǒng)中的這個預測。
在一個神經(jīng)網(wǎng)絡(luò)實施例中，大于1Mev的合并的正電子通量的十個數(shù)值，每個間隔開五小時，被用作為加到神經(jīng)網(wǎng)絡(luò)的輸入。七個隱藏的節(jié)點被使用以及網(wǎng)絡(luò)被訓練來預測是否出現(xiàn)地磁暴，產(chǎn)生是或否作為它的輸出。在用事件和非事件訓練神經(jīng)網(wǎng)絡(luò)后，神經(jīng)網(wǎng)絡(luò)精確地產(chǎn)生訓練數(shù)據(jù)的預測。當歷史數(shù)據(jù)的新的關(guān)鍵的時間間隔被輸入到神經(jīng)網(wǎng)絡(luò)時，它產(chǎn)生94％時間的歷史上正確的預測。正如先前討論的，在新的預測中的置信度水平可以由其中作出類似的觀察和預報以及被驗證的情形的百分數(shù)被確定。
在另一個神經(jīng)網(wǎng)絡(luò)實施例中，可以對于西部、中心、和東部發(fā)源的太陽事件創(chuàng)建分開的神經(jīng)網(wǎng)絡(luò)。如果任何的神經(jīng)網(wǎng)絡(luò)預測到風暴，則預報一個風暴。當歷史數(shù)據(jù)的新的關(guān)鍵的時間間隔被輸入到這樣的神經(jīng)網(wǎng)絡(luò)系統(tǒng)時，系統(tǒng)比起先前的實施例產(chǎn)生甚至更好地預測。
當西部、中心和東部模板被構(gòu)建到單個神經(jīng)網(wǎng)絡(luò)的神經(jīng)網(wǎng)絡(luò)系數(shù)中時，也可以得到對于風暴出現(xiàn)的是/否預報的類似的結(jié)果。
在用于某些類型的預測(例如，風暴的時間，風暴的猛烈程度)的其他神經(jīng)網(wǎng)絡(luò)實施例中，已發(fā)現(xiàn)在數(shù)據(jù)的子集上(例如，如上所述，在西部、中心和東部事件上)訓練分開的神經(jīng)網(wǎng)絡(luò)，與用所有類型的數(shù)據(jù)訓練單個神經(jīng)網(wǎng)絡(luò)相反，可增加預測的精確度。在其他類型的數(shù)據(jù)上(例如，X射線，波)訓練的網(wǎng)絡(luò)也可增加這些類型的預測的精確度。另外，已發(fā)現(xiàn)通過創(chuàng)建和使用多個神經(jīng)網(wǎng)絡(luò)，每個神經(jīng)網(wǎng)絡(luò)在從滿足某個準則的歷史時間間隔中得出的數(shù)據(jù)上進行訓練，預報精確度可被改進。例如，一個神經(jīng)網(wǎng)絡(luò)可以在來自其中太陽活動性是特別高(例如，在太陽最大值期間)的時間間隔的數(shù)據(jù)上被訓練，另一個可以在來自相對較平靜的時間間隔的數(shù)據(jù)上被訓練?；?，一個神經(jīng)網(wǎng)絡(luò)可以在從其中Bz(IMP的向南的分量)在長的時間間隔內(nèi)是負的時間間隔取得的數(shù)據(jù)上被訓練。或，一個神經(jīng)網(wǎng)絡(luò)可以在從具有高的日冕空洞數(shù)目的時間間隔取得的數(shù)據(jù)上被訓練。一旦這些網(wǎng)絡(luò)被訓練，通過輸入實時數(shù)據(jù)到與當前的條件最好地匹配的神經(jīng)網(wǎng)絡(luò)而作出預測。太空氣象預測系統(tǒng)的這個定做的和動態(tài)方面增加總的精確度，以及使得系統(tǒng)在處理太空氣象的周期的和季節(jié)的變化方面變得更好。
在產(chǎn)生預測和經(jīng)過一定的時間后，有可能估計預測的精確度和動態(tài)修正預報系統(tǒng)。這可以以幾種方式發(fā)生。一種方式，當?shù)玫竭m合于被使用來產(chǎn)生輸入矢量的準則的更多的數(shù)據(jù)時，神經(jīng)網(wǎng)絡(luò)可以使用這個新的輸入矢量和適當?shù)妮敵鍪噶恐匦卤挥柧?即，隨著時間，“新數(shù)據(jù)”成為“歷史數(shù)據(jù)”，神經(jīng)網(wǎng)絡(luò)通過使用先前的歷史數(shù)據(jù)以及“新的歷史”數(shù)據(jù)被重新訓練)。
混合太空氣象預報系統(tǒng)正如以上結(jié)合模板實施例討論的，混合太空氣象預報系統(tǒng)比起簡單的(單個)預報系統(tǒng)更好地完成預報工作。一個這樣的系統(tǒng)包含幾個模板組(每個模板組專門用于特定的太空氣象開始條件，諸如，但不限于，太陽周期的位相)每個模板組用來預測太空氣象事件的到達時間。系統(tǒng)還包含幾個神經(jīng)網(wǎng)絡(luò)和幾個專家系統(tǒng)，也預測太空氣象事件的到達時間。所有這些子系統(tǒng)將并行地作用在進入的數(shù)據(jù)上。每個子系統(tǒng)不單產(chǎn)生預測(例如“在接著的20小時內(nèi)將有事件”，等等)，也產(chǎn)生表示預測的置信度的度量值(例如，“有82％的機會，在接著的20小時內(nèi)將有事件”，等等)?？偟奶諝庀箢A報系統(tǒng)然后可以根據(jù)以下的項目產(chǎn)生預測，例如(1)用每個系統(tǒng)置信度加權(quán)的子系統(tǒng)預測的平均，(2)根據(jù)取以超過某個設(shè)置的門限值的置信度水平(例如，超過80％的置信度)出現(xiàn)的最嚴重的預測，作出的“最壞情形的”預測，(3)不單考慮當前的預測和它們的置信度額定值，也考慮最近時間間隔(例如，過去4小時)的預測和置信度額定值，作出的預測，(4)產(chǎn)生不同的預報的子系統(tǒng)(例如，幾個子系統(tǒng)可預報猛烈程度和其他開始時間)的輸出，使得自動處理器和/或操作者人員能夠發(fā)布最后的預測。
隨更多的數(shù)據(jù)成為可供使用的，混合系統(tǒng)更新它的預測。注意，正如在(3)中提到的，當前的預測也可以是先前的預測的函數(shù)。因此，在每個時刻，所產(chǎn)生的預測不僅僅是作用在簡單的數(shù)據(jù)上的處理的結(jié)果，而是總的預測可以是新的(“原始的”或“處理的”)數(shù)據(jù)以及先前的處理的數(shù)據(jù)的函數(shù)。按照本發(fā)明的太空氣象預測系統(tǒng)的這個非線性(反饋)方面允許當前的預測要被先前的數(shù)據(jù)告知，因此，使得系統(tǒng)能夠更完全地處理數(shù)據(jù)中存在的信息以及識別數(shù)據(jù)中高度復雜的模式。
在一個優(yōu)選實施例中，當以高的置信度作出預測時，預測可以允許預報系統(tǒng)外推或預測將來的SEP或其他數(shù)據(jù)。在這樣的情形下，預報系統(tǒng)有可能取原始數(shù)據(jù)或原始數(shù)據(jù)減去外推的或預測的數(shù)據(jù)作為輸入(和處理)。通過查看原始數(shù)據(jù)減去預測的將來的數(shù)據(jù)，系統(tǒng)能夠更好地識別可能隱藏在當前的事件中的、表示太空氣象事件的模式。例如，如果特定的類型的大的太空風暴(以高的置信度)被預測，則接著幾天內(nèi)的SEP數(shù)據(jù)和其他數(shù)據(jù)可被這個風暴污染。在這種情形下，在接著幾天內(nèi)，預測的數(shù)據(jù)可從當前的數(shù)據(jù)中被減去，以及通過檢查剩余的數(shù)據(jù)，太空氣象預報系統(tǒng)可識別否則可能被忽略的附加的太空氣象事件。
這里描述的混合系統(tǒng)是本發(fā)明人稱作的“多模態(tài)智能系統(tǒng)”的例子。多模態(tài)智能系統(tǒng)包括，但不限于，組合兩種類型的子系統(tǒng)的系統(tǒng)，每個子系統(tǒng)實行數(shù)據(jù)處理。這樣的處理可包括神經(jīng)網(wǎng)絡(luò)，模糊邏輯，專家系統(tǒng)，模式識別系統(tǒng)，數(shù)字信號處理的標準數(shù)學方法，經(jīng)典的統(tǒng)計學，等等。例如，分別善于檢測東部、中心、和西部事件的三個神經(jīng)網(wǎng)絡(luò)在作出最后預測之前可提供神經(jīng)網(wǎng)絡(luò)鑒別或模式識別步驟。最后的預測可以是基于并行地(即，使用與神經(jīng)網(wǎng)絡(luò)相同的輸入作為數(shù)據(jù))或串行地(即，在數(shù)據(jù)被神經(jīng)系統(tǒng)處理后)進行的附加的子系統(tǒng)處理(例如，通過模板或?qū)＜蚁到y(tǒng))?！岸嗄B(tài)智能系統(tǒng)”因此是一種人工智能方法，諸如神經(jīng)網(wǎng)絡(luò)，專家系統(tǒng)，等等，其中有多個(并行地或串行地)分析數(shù)據(jù)的子系統(tǒng)。
級聯(lián)的混合系統(tǒng)最一般地說，級聯(lián)混合系統(tǒng)是多個預測/識別方法(PIM)的集合，其中PIM的輸出被用作為加到同一個或其他的PIM的輸入。PIM是先前描述的單一預測系統(tǒng)(例如，基于模板的系統(tǒng)、神經(jīng)網(wǎng)絡(luò)系統(tǒng)、或嚴格的或模糊的專家系統(tǒng))，混合系統(tǒng)(例如，包含幾個模板、神經(jīng)網(wǎng)絡(luò)和/或?qū)＜蚁到y(tǒng)的系統(tǒng))或組合兩種或多種類型的子系統(tǒng)(每個實行數(shù)據(jù)處理)的某些其他多模態(tài)智能系統(tǒng)中的一個系統(tǒng)。一旦級聯(lián)的混合系統(tǒng)正在運行，它將不斷地產(chǎn)生預測，預報和識別。這些輸出將被反饋到級聯(lián)系統(tǒng)，因此，根據(jù)潛在地并行地運行的PIM的反饋結(jié)果作出新的預測，預報和識別。例如，在時間1，PIM可以識別太陽耀斑；接著(在時間2)，第二個PIN可測定太陽耀斑的尺寸；在時間3，第三PIM可測定這個尺寸的耀斑的影響；在時間4，第四PIM可識別起源于太陽耀斑附近的CME，等等。
圖16顯示通用的預測/識別模塊(PIM)。在本發(fā)明的優(yōu)選實施例中，每個PIM包含以下屬性(a)“開始條件”表2603，描述PIM打算起作用的情形。開始條件的例子包括太陽最大值，太陽最小值，在極大的太陽黑子活動性時間間隔期間，當太陽風速度大于X時，當CME發(fā)生或預測要發(fā)生時，等等。開始條件在性質(zhì)上可以是二進制的(例如，“當電子通量＞20粒子/cm2sec時”，“當發(fā)生太陽耀斑時”)或“模糊的”(例如，“當Dst小于約-12時”，或“當有正電子事件開始的假設(shè)時”，或“當輻射電平達到危險的水平時”等等)。
(b)單一的或混合的識別或預測系統(tǒng)/技術(shù)2605，作出識別或產(chǎn)生預測。系統(tǒng)/技術(shù)可以是以上描述的基于模板的、基于專家系統(tǒng)的、基于神經(jīng)網(wǎng)絡(luò)的或混合系統(tǒng)，或更一般地，可以是用于在與太空氣象預測有關(guān)的或與例如對于生物、物理、化學、電的、材料有涉及預測太空氣象影響的域中產(chǎn)生識別、預測、預報或評價的任何系統(tǒng)、技術(shù)、或公式或其他目標/系統(tǒng)(例如，地球物理，電氣工程、計算機科學、材料科學、生物學、化學、晶體圖形學、等等)。適當?shù)南到y(tǒng)/技術(shù)的例子包括，但不限于(1)從光學數(shù)據(jù)識別或預測太陽耀斑的開始的專家系統(tǒng)；(2)識別或預測新的輻射帶的形成的專家系統(tǒng)；(3)識別或預測CME的開始的神經(jīng)網(wǎng)絡(luò)；(4)預測對于各種能量范圍和物質(zhì)種類的SEP強度的時間概況的模板系統(tǒng)；(5)預測對于各種能量范圍和物質(zhì)種類的SEP強度的時間概況的混合系統(tǒng)；(6)根據(jù)SEP時間概況識別事件的太陽起源點的位置的模板系統(tǒng)；(7)取太陽數(shù)據(jù)(例如，X射線，光學，γ射線，微波，等等)和SEP數(shù)據(jù)(例如，電子，離子，物質(zhì)種類，等等)作為輸入，以及識別太陽事件(例如CME、光斑等)的太陽起源點(例如時間、位置等)的混合系統(tǒng)；(8)使用SEP概況作為輸入和預測Dst的神經(jīng)網(wǎng)絡(luò)；(9)識別在帶有噪聲的數(shù)據(jù)的時間間隔期間的X射線突發(fā)的模板系統(tǒng)；(10)使用神經(jīng)網(wǎng)絡(luò)和模式識別子系統(tǒng)識別在帶有噪聲的數(shù)據(jù)的時間間隔期間的X射線突發(fā)的混合系統(tǒng)(即，多模態(tài)智能系統(tǒng))；(11)使用在多個能量下(例如，＜1MeV/nuc，＞1MeV/nuc，＞10MeV/nuc，＞100MeV/nuc，等等)或各種能帶/范圍下(例如，0.5-1MeV/nuc，1-2MeV/nuc，等等)的SEP通量或計數(shù)值的時間概況的，預測沖擊波到達宇宙飛船的位置處或在地球處的到達時間的模板系統(tǒng)；(12)取SEP數(shù)據(jù)的時間概況(例如，在各種能量下或在能帶中，等等)作為輸入和使用模式識別和其他多模態(tài)系統(tǒng)來預測沖擊波到達特定的位置(例如，星際宇宙飛船，地球，等等)的到達時間的混合系統(tǒng)；(13)使用其子系統(tǒng)的結(jié)果來產(chǎn)生粒子加速度和/或沖擊波到達特定的空間位置的到達時間的預測的混合系統(tǒng)(圍繞一個或多個專家系統(tǒng)構(gòu)建的，每個專家系統(tǒng)是基于輸送方程的一個版本，例如，在Lee和Ryan中，1986)；(14)從沖擊波到達時間估計沖擊壓縮比的專家系統(tǒng)；(15)預測沖擊波上游的條件的專家系統(tǒng)；(16)預測沖擊波后太陽風速度和/或密度的專家系統(tǒng)；(17)使用SEP數(shù)據(jù)作為輸入和然后預測在沖擊波后太陽風和IMF中紊流和波動的水平的專家系統(tǒng)；(18)取SEP數(shù)據(jù)作為輸入和預測Kp的模板系統(tǒng)；(19)使用SEP時間概況預測突然的開始(SSC)的模板系統(tǒng)；(20)使用SEP值作為輸入數(shù)據(jù)和預測CME到達時間的專家系統(tǒng)；(21)估計在沖擊波到達與CME到達之間的最小值的專家系統(tǒng)；(22)預測當Bz是向南(＜0)時可見的極光橢圓形的赤道邊緣的專家系統(tǒng)；(23)預測南北極的冰帽的電位的專家系統(tǒng)；(24)預測可見的極光的赤道邊界的尾部方向移位的專家系統(tǒng)；(25)預測電離層擾動的混合(多模態(tài))系統(tǒng)；(26)預測國際空間站處的輻射傷害(和/或輻射水平)的專家系統(tǒng)；(27)預測宇宙飛船異常的混合系統(tǒng)；(28)預測宇宙飛船進料的專家系統(tǒng)；(29)預測在各個頻率上的通信中斷的混合系統(tǒng)；(30)預測可能的通信和/或?qū)Ш较到y(tǒng)的擾動(和/或擾動量)的專家系統(tǒng)；(31)預測在高空飛行的極區(qū)飛行時對飛機的飛行員和乘客的危險的輻射水平的專家系統(tǒng)；(32)預測在電力站處功率涌動以及危險的地感應電流的緯度和地理區(qū)域的專家系統(tǒng)；(33)預測由于電離層擾動引起的可能的GPS不精確性的時間和位置的混合系統(tǒng)；
(34)預測空中交通控制器應當需要飛機飛行員依賴于眼睛而不是GPS的時間的專家系統(tǒng)；(35)預測可見的極光的時間(降低到低的緯度)的專家系統(tǒng)；(36)使用方程和法則的組合，取多個K值作為輸入和返回Kp的當前的(或?qū)淼?數(shù)值的估值的專家系統(tǒng)；(37)取有關(guān)宇宙飛船和飛機的飛行的信息(例如，計劃的路線、出發(fā)時間、當前的時間、等等)作為輸入和返回當前的財產(chǎn)的位置的專家系統(tǒng)；(38)產(chǎn)生感興趣的變量的“準數(shù)值”(例如，較高的時間分辨率Dst數(shù)據(jù)，在數(shù)據(jù)間隙的時間間隔期間電子通量值，等等)的專家系統(tǒng)。
(c)輸入數(shù)據(jù)2607的類型(和形式)。數(shù)據(jù)的具體類型和形式取決于PIM開始條件和系統(tǒng)的類型/結(jié)構(gòu)。例如，在一個優(yōu)選實施例中，輸入數(shù)據(jù)是在至少三個小時內(nèi)每個小時(即，至少使用三個數(shù)值)從一個特定的能帶(例如，10-100MeV)中取的數(shù)據(jù)的平均的測量值。這些數(shù)據(jù)然后可被用作為加到PIM神經(jīng)網(wǎng)絡(luò)、專家、模板、或混合系統(tǒng)的輸入。在另一個優(yōu)選實施例中，輸入數(shù)據(jù)是來自一個特定的能帶(例如，0.2-1.0MeV/nuc，5.0-10.0MeV/nuc)的幾個離子物質(zhì)種類(例如，正離子，3He，4He，C.O，F(xiàn)e，等等)的SEP數(shù)據(jù)的平均的測量值。
(d)輸出2609的類型(和形式)。輸出可以是一個標識(例如，“根據(jù)輸入數(shù)據(jù)，這個PIM技術(shù)識別輻射電平的上升”，或“根據(jù)輸入數(shù)據(jù)，這個PIM技術(shù)認出電子突發(fā)”，或“根據(jù)輸入數(shù)據(jù)，這個PIM技術(shù)識別CME的開始”)。替換地，輸出可以是太空氣象事件的預報(例如，“根據(jù)輸入數(shù)據(jù)和PIM技術(shù)，在高的緯度多半出現(xiàn)地感應電流(GIC)”，或“根據(jù)輸入數(shù)據(jù)和PIM技術(shù)，預測在ACE宇宙飛船處出現(xiàn)嚴重的沖擊波和預測在國際空間站有非常高能量的正電子通量”)。或輸出可以是在預報太空氣象時感興趣的變量或參量(例如，太陽風速度)的數(shù)值的預測。替換地，輸出的類型和形式不限于二進制判決(例如，預測可以伴隨有概率，或可以返回標識作為模擬數(shù)字值)。PIM輸出的類型和形式也不限于單個數(shù)值或判決(例如，預報可以是多個部分，諸如“根據(jù)數(shù)據(jù)，多半出現(xiàn)沖擊波沖擊波是嚴重的，以及在接著的25-32小時內(nèi)將到達位置X”)。另外，正如下面看到的，一旦級聯(lián)混合系統(tǒng)正在起作用，任何的預測、識別、預報等等可通過系統(tǒng)中其他PIM的行動被修正和改進。
(e)一組PIM的精確度、加權(quán)、合成的行動、和/或依賴性2611的數(shù)字的或其他的度量/數(shù)目?！熬_度”數(shù)值提供PIM的輸出的平均精確度的度量(例如，通過下面描述的數(shù)字方法評估的)?！凹訖?quán)”值表示每個PIM有多少貢獻到級聯(lián)混合實施例中的組合輸出中，其中多個PIM有助于產(chǎn)生總的識別、預報或預測。
“合成的”行動是根據(jù)PIM的輸出可被執(zhí)行的行動。這些行動可取幾個形式。一種類型的合成行動關(guān)系到修正整個的級聯(lián)系統(tǒng)或修正級聯(lián)系統(tǒng)的一部分(例如，某些PIM組，某些加權(quán)因子，等等)。這些類型的行動的例子包括某些PIM的加權(quán)的修正，激活/去激活某些PIM子組，以及發(fā)起驗證序列(例如，數(shù)據(jù)的整體性，系統(tǒng)的整體性，PIM性能，等等)。
另一種類型的合成的行動包括通知(例如，衛(wèi)星操作者，宇航員，等等)即將來臨的太空氣象事件。下面描述的FONE結(jié)構(gòu)是一種優(yōu)選的處理通知的方式。如果特定的輸出條件滿足，則也有可能由級聯(lián)混合系統(tǒng)本身處理通知，通過例如發(fā)送電子郵件，進行電話呼叫，或發(fā)出警報或通知鏈。例如，如果預測在特定貴重器材的位置(諸如，星際宇宙飛船)處出現(xiàn)大的沖擊波，則貴重器材的主人可以被告知這種潛在的情形。同樣地，如果PIM預測技術(shù)或算法預測可能的傳輸中斷，則通信中心可被提醒，它應當采用實時監(jiān)視傳輸整體性。
通常，這些附加的數(shù)字的或其他的度量被使用來提高總的系統(tǒng)的精度或修正多個PIM一起工作的方式，或影響級聯(lián)混合系統(tǒng)的反饋(到其他PIM)或饋送(警告，等等)。
按照本發(fā)明的級聯(lián)混合系統(tǒng)不取決于特定的開始條件，系統(tǒng)/技術(shù)，輸入數(shù)據(jù)的類型和形式，輸出數(shù)據(jù)的類型和形式，輸入數(shù)據(jù)的類型和形式，或精確度或在PIM中使用的加權(quán)技術(shù)。
通過加權(quán)，判斷，和/或刪除PIM組(或PIM集合)，太空氣象系統(tǒng)的精度，精確度，和可用性可被改進。例如，一個或多個PIM性能的組可以根據(jù)歷史的、模型產(chǎn)生的、或其他類型的歸檔的或?qū)崟r的數(shù)據(jù)被評估。例如，一組一個或多個PIM的性能可以根據(jù)把PIM的輸出與歷史的、模型產(chǎn)生的、或其他類型的歸檔的或?qū)崟r的數(shù)據(jù)的比較而被評估。這個評估可以通過人工手段(例如，通過視覺監(jiān)視預測的性能，然后指派加權(quán)因子，置信度，或其他分數(shù))或通過自動裝置被執(zhí)行，如圖17所示。
圖17顯示用于評估PIM性能的一個計算的方法。初始地，選擇一組一個或多個PIM(步驟2701)。這些PIM可以以多種方式被選擇。在本發(fā)明的一個實施例中，PIM被選擇，因為它們都試圖預測，預報或識別相同的(或類似的)輸出數(shù)據(jù)。例如，一組PIM可以都試圖識別CME的開始，和都試圖預測沖擊波到達時間，或都進行太陽風密度的估值。應當指出，雖然這些PIM可以具有相同的想要的輸出，但它們可能具有例如不同的輸入數(shù)據(jù)和不同的預測/識別技術(shù)。替換地，在該組中的PIM可以根據(jù)它們包含的特定的識別/預測系統(tǒng)或技術(shù)2605被選擇。例如，一組PIM可以都使用一個特定的專家系統(tǒng)。再次地，應當強調(diào)，這些多個PIM在許多其他的方式中是不同的(例如，每個這些PIM可以使用不同的類型或形式的輸入數(shù)據(jù))。這組PIM可被選擇來例如估計計算技術(shù)或算法的性能(例如，估計和/或量化它在能帶、時間、開始條件等等方面的魯棒性)。
在這組PIM被識別后，根據(jù)歷史的、理論的、或模型產(chǎn)生的數(shù)據(jù)2703，在步驟2702開始評估它們的性能。通過類似于在先前的實施例中討論的那種裝置，進行這個評估。在步驟2702，選擇PIM組中的一個PIM用于評估。在步驟2704，檢索對于選擇的PIM的開始條件。在步驟2705，從歷史的、理論的、或模型產(chǎn)生的數(shù)據(jù)庫2703中提取滿足PIM開始條件的時間間隔中的數(shù)據(jù)，以及把它放置在相關(guān)的數(shù)據(jù)庫2706中。在所有的相關(guān)的數(shù)據(jù)被識別以后，在步驟2709，它們被饋送到用于PIM的識別/預測系統(tǒng)或技術(shù)(2605)，以及PIM的識別/預測系統(tǒng)或技術(shù)的結(jié)果被存儲在結(jié)果庫2711中。在步驟2713，把結(jié)果與“真實的”(歷史的、理論的、或模型產(chǎn)生的)結(jié)果數(shù)據(jù)進行比較。在步驟2717，這個比較產(chǎn)生一組錯誤率，它們可以以許多方式被組合、平均、或分析，包括但不限于，統(tǒng)計平均，分析分散性的統(tǒng)計裝置，和分析性能的其他方法，等等。通過用所有可提供的數(shù)據(jù)和對于所有感興趣的PIM執(zhí)行這個算法，在步驟2719，對于每個PIM得出精確度的平均的或其他的度量。另外，也可以對于每個PIM得出置信度水平。與對于“錯誤”的“平均”度量相反，置信度水平反映由PIM得到的“錯誤”的范圍(即，它們給出預測可能離多遠的估值，例如，“正負兩小時”)。這樣的置信度水平可以通過計算“錯誤”的標準偏差或通過使用群體離散的其他的統(tǒng)計度量而得到。再者，通過使用與上述的幾乎相同的邏輯，可以得到其他感興趣的度量，諸如，但不限于“運行范圍”，反映PIM給出可接受的結(jié)果的范圍數(shù)值，“峰值靈敏度”，反映PIM產(chǎn)生接近最佳的結(jié)果的數(shù)字的或其他的度量。這些數(shù)值然后可被插入到與每個PIM 2611有關(guān)的這組數(shù)字值。替換地，與每個感興趣的PIM有關(guān)的精確度和其他數(shù)值在被插入到與每個PIM2611有關(guān)的數(shù)值中之前，首先被歸一化(例如通過使用熟知的z記分的技術(shù))。
替換地，如果產(chǎn)生特別差的結(jié)果的PIM被識別，則它們可以從PIM組中被“刪除”(即，被消除)。另外，對于一個PIM的“運行范圍”(它們可以通過圖17所示的技術(shù)被計算)可被加到與該PIM有關(guān)的“開始條件”。
所述的加權(quán)、判斷、或刪除PIM和PIM組的技術(shù)應當繼續(xù)進行，直至系統(tǒng)(即，所有的PIM和PIM組)被徹底檢查為止。在一個優(yōu)選實施例中，在以下的事項以后，系統(tǒng)才被認為“徹底檢查的”-所有的PIM根據(jù)所有可提供的歷史數(shù)據(jù)被評估，加權(quán)，等等，-所有的PIM根據(jù)任何的可提供的理論或模型化數(shù)據(jù)被評估，加權(quán)，等等，-全部組的一個或多個PIM根據(jù)所有可提供的歷史數(shù)據(jù)被評估，加權(quán)，等等，-全部組的一個或多個PIM根據(jù)任何的可提供的理論或模型化數(shù)據(jù)被評估，加權(quán)，等等，另外，隨著更多的數(shù)據(jù)成為可供使用的(例如，隨時間，或通過新的和/或更好地模型或理論的發(fā)展)，PIM的加權(quán)，判斷，或刪除應當規(guī)則地(和優(yōu)選地自動地)被實行。
上述的評估/刪除方法也可被使用來識別(和/或創(chuàng)建)新的識別或預測的系統(tǒng)/方法。例如，假設(shè)的PIM可以圍繞專家系統(tǒng)被創(chuàng)建，該專家系統(tǒng)取太陽風的當前的速度作為輸入，以及嘗試識別在過去的48小時內(nèi)是否出現(xiàn)CME。這個專家系統(tǒng)可以只使用一個簡單的法則，如如果(太陽風速度)＞800km/sec，則為“是，出現(xiàn)CME”。
這個例子完全是假設(shè)的，因此，圍繞這個法則構(gòu)建的PIM具有非常低的精確度。然而，假設(shè)，這個法則是根據(jù)深的物理知識被創(chuàng)建的。即使是這種情形，非常不可能的是真實的關(guān)鍵的數(shù)值精確地是800km/sec。認識到這一點，可以創(chuàng)建一個級聯(lián)混合系統(tǒng)，它具有多個PIM，每個PIM具有不同的“關(guān)鍵的數(shù)值”。例如，可以產(chǎn)生800個PIM，第一個具有400的關(guān)鍵值，下一個具有401的關(guān)鍵值，再下一個具有402，等等。然后，這800個PIM可被選擇為感興趣的PIM 2701，以及圖17所示的技術(shù)可被使用來識別最好地執(zhí)行的PIM，所以，是實驗中最好的關(guān)鍵值。通過這同一個邏輯，“實驗中最好的”神經(jīng)網(wǎng)絡(luò)可以通過創(chuàng)建成百個PIM，每個圍繞稍微不同的神經(jīng)網(wǎng)絡(luò)被構(gòu)建(或許，每個具有不同的數(shù)目的隱藏層和/或稍微不同的學習法則，等等)，而被識別。類似的技術(shù)(創(chuàng)建多個變量，評估它們，和選擇最好的)可被使用來在不同的模板組之間選擇不同的“加權(quán)函數(shù)”組，等等。另外，不需要對歷史數(shù)據(jù)進行“評估”，而是可以使用理論的、仿真的、或模型化的數(shù)據(jù)。最后，也可以使用其他熟知的、用于識別最佳的PIM(或最佳的PIM組)的統(tǒng)計或數(shù)字技術(shù)。這樣的技術(shù)的例子包括數(shù)值的簡單的外推，牛頓-拉弗森(Newton-Raphson)迭代方法，基于網(wǎng)格的迭代技術(shù)，或其他這樣的算法。
一旦創(chuàng)建可接受的PIM組，它就可被使用于級聯(lián)混合系統(tǒng)，如圖18所示。級聯(lián)混合系統(tǒng)包含一組PIM 2801，它“作用在”可提供的數(shù)據(jù)2803，產(chǎn)生標識，預測，以及可能地，相關(guān)的行動2813。PIM組可包括一個或多個的單個系統(tǒng)2805(例如，模板、專家、或神經(jīng)網(wǎng)絡(luò))以及一個或多個混合系統(tǒng)2807。可提供的數(shù)據(jù)2803可包括初級數(shù)據(jù)2809和/或次級數(shù)據(jù)2811。初級數(shù)據(jù)是諸如以上結(jié)合其他實施例描述的那樣的變量的直接的、間接的、或得到的測量值(例如，粒子測量值，光學測量值，X射線測量值，比值，等等)。次級數(shù)據(jù)是以其他方法出現(xiàn)的數(shù)據(jù)，諸如，但不限于-來自于預測或假設(shè)。
-來自于對于科學家，數(shù)學家，等等已知的條件、變量、等等(例如，太陽最大值、觀察的但未量化的“高的活動性”、等等)。
-來自于一個或多個產(chǎn)生標識、預測等等的PIM。
以上的最后一個類型的次級數(shù)據(jù)顯示級聯(lián)混合系統(tǒng)的級聯(lián)性質(zhì)。通常，任何的PIM 2813或PIM組的結(jié)果可成為“當前的條件”的新的單元。在PIM產(chǎn)生結(jié)果2813后，這種類型的結(jié)果將確定級聯(lián)系統(tǒng)將如何運轉(zhuǎn)，如在方塊2815顯示的。例如，如果PIM產(chǎn)生一個行動，則該行動將被執(zhí)行。行動可以是，例如，更新顯示(雖然也有可能，或許優(yōu)選地，通過使用下面描述的FONE結(jié)構(gòu)處理這樣的行動)。替換地，行動可以是通過電子或其他裝置通知用戶或系統(tǒng)(再次地，這也可以通過使用下面描述的FONE系統(tǒng)來完成)。再替換地，行動可以是以某種方式修正級聯(lián)混合系統(tǒng)或PIM(例如，通過改變PIM的相對加權(quán)因子，通過修正當前的條件，通過激活/去激活特定的PIM，等等)。另外，在行動取決于多個PIM的情形下(即，幾個PIM規(guī)定相同的或類似的行動)，在最后的行動2822被執(zhí)行之前，判決法則2820(例如，最壞的情景勝出，平均行動應當發(fā)生，等等)將分解多個行動。
如果PIM產(chǎn)生預測，則當前的或相關(guān)的預測必須被更新。作為對于“最后的行動”的事例，在其中最后的預測取決于多個PIM的輸出的情形下，判決法則2817在最后的預測2819被更新之前將處理多個預測。在一個實施例中，預測的形式是數(shù)字值，表示事件的強度或預測的開始時間。替換地，預測可以伴隨有預測的置信度的度量(這樣的度量可以通過返回相關(guān)的預測的標準偏差而得到)。處理行動和預測的其他的方法在下面描述。
最后，如果PIM產(chǎn)生一個可變更或增加當前的條件的結(jié)果(例如，識別或預測)，則條件必須隨之被更新。
應當強調(diào)，按照本發(fā)明的系統(tǒng)可包括成打的或甚至成千的PIM。然而，級聯(lián)混合系統(tǒng)優(yōu)選地具有PIM的一個“核心”組，它們已對于大量數(shù)據(jù)(歷史的、理論模型的、仿真的、實時的、等等)被廣泛地和嚴格地測試。這些PIM的預測的驗證和證實是這個系統(tǒng)的重要的方面。這些“核心的”PIM應當被找出(通過實驗的或理論的方法)，以便在它們給定的區(qū)域中非常好地起作用，以及應當挽救所有的刪除。它們的結(jié)果可以很好地被給予更多的加權(quán)，以及更可能是與更高的置信度水平有關(guān)的，等等。
除了“核心的”PIM以外，在許多情形下，將有某些PIM是與實際的感興趣的太空氣象預報更有關(guān)的或是以它為中心的。通常，這些PIM是不能對于所有的情形都事先確定的。例如，有一個時期，級聯(lián)混合系統(tǒng)的用戶可能對使用當前的和/或最近的Dst數(shù)值感興趣，用來預測將來的Dst數(shù)值。在這種情形下，專用于Dst上的PIM(或許涉及到與Dst有關(guān)的變量的那些PIM)可被看作為“相關(guān)的”或“中心的”PIM。另一個用戶(或同一個用戶)同時可能嘗試使用老的(或甚至歷史的)Dst數(shù)值，通過由其他的多模態(tài)智能系統(tǒng)(例如，通過使用無秩序的或分形技術(shù)對數(shù)據(jù)建模的系統(tǒng)，等等)利用PIM，來預測將來的Dst數(shù)值(例如，提前兩星期)。同時，再一個用戶(或同樣的用戶之一)也可能正在使用同一個類型的多模態(tài)智能系統(tǒng)(例如，通過使用無秩序的或分形技術(shù)對數(shù)據(jù)建模的系統(tǒng)，等等)用歷史的SEP數(shù)值來預測將來的SEP數(shù)值/事件(例如，提前兩星期)。同時，又一個用戶(或相同的用戶之一)在同時(或在不同的時間)可能嘗試預測在特定的場合極光(“北極光”)是可見的地方。在這種環(huán)境下，相關(guān)的PIM可包括，例如專用于預測粒子數(shù)據(jù)上的某些PIM，專用于處理地磁場的其他PIM，和針對本地聚合預報(取自實時公共域感興趣的氣象臺址)的另外的PIM。然而，再一個用戶(或相同的用戶之一)在同時(或在不同的時間)可能對預測在太陽最小值期間沖擊波在例如行星(例如，水星，火星，或木星)或在該行星附近的宇宙飛船，或以太陽為中心的宇宙飛船(例如，STEREO)，或在日光層外“星際的”探針在它的行程上的位置處的影響。在這種情形下，相關(guān)的PIM可包括例如某些PIM，其識別CME或其他沖擊波有關(guān)的太陽數(shù)據(jù)的開始(對于太陽最小值的特定條件定做的和/或被訓練的)，針對粒子加速度建模的那些PIM，以及計算感興趣的評估的當前的位置的那些PIM(例如，基于特遣飛行計劃，等等)。在同時(即，在太陽最小值期間)，同一個(或不同的)用戶可以通過使用與太陽風中的日冕空洞，高速度流有關(guān)的PIM，以及順旋轉(zhuǎn)相互作用的區(qū)域，運行與“殺手”電子事件的預測有關(guān)的多個常規(guī)的PIM。
現(xiàn)在提供級聯(lián)混合系統(tǒng)如何工作的例子。在本例中，最初的開始條件是太陽最大值。因為只有一個開始條件，可能有許多PIM積極地分析它們各自的數(shù)據(jù)流。在某個點，一個(或幾個)這些PIM識別CME的發(fā)起。這個新的信息然后級聯(lián)回系統(tǒng)(作為“次級數(shù)據(jù)”2811)以及現(xiàn)在開始條件包括兩個信息太陽最大值和CME的發(fā)起?，F(xiàn)在，某些PIM可能停止分析它們的數(shù)據(jù)(例如，如果它們的開始條件在CME期間阻礙它們起作用)，而其他的PIM可能開始分析數(shù)據(jù)(例如，具有需要CME發(fā)起的開始條件的那些PIM)。
例如，在一個實施例中，有一個PIM具有開始條件(在太陽最大值期間和CME發(fā)起的5小時內(nèi)}。如果這些開始條件被滿足，則PIM使用模板系統(tǒng)分析SEP數(shù)據(jù)，以及查看特定的“關(guān)鍵特性”，表示正電子事件的發(fā)起(例如，數(shù)據(jù)值的特定的時間過程，數(shù)據(jù)值的特定的比值，等等)。如果PIM找到這個關(guān)鍵特性，則它采取一個行動(諸如，“通知操作者某個更大的事件正在發(fā)生”)，以及也可以加上新的開始條件“正電子事件在進行中”。在這點，將有三個開始條件，某些PIM再次放棄，其他的PIM將進入。同時，取太陽電子數(shù)據(jù)作為輸入的PIM識別正在發(fā)生電子加速。在同時，另一個PIM(分析低的能量離子物質(zhì)種類數(shù)據(jù)，例如3He)識別強度增強，也預測太陽電子加速將要發(fā)生。因為這二個PIM產(chǎn)生同一個結(jié)論(即，太陽電子加速將發(fā)生)，這個預測被分配以更大的權(quán)重。
以這樣的級聯(lián)的方式起作用的混合系統(tǒng)由于多個因素，比起非級聯(lián)的系統(tǒng)更精確。首先，因為級聯(lián)混合系統(tǒng)是反饋系統(tǒng)，其中多個PIM有助于產(chǎn)生新的識別/預測，把它們饋送到開始條件，在級聯(lián)系統(tǒng)中所有的PIM具有豐富得多的輸入(例如，它們除了初級數(shù)據(jù)以外接入次級數(shù)據(jù))以及具有可以對其他PIM有廣泛到達的影響的輸出(例如，雖然一個PIM可能正在以低的置信度水平產(chǎn)生一個標識，但最后得到的條件的改變允許其他PIM確認這個“假設(shè)”)。其次，因為PIM可以接入原始數(shù)據(jù)和處理的(“次級”)數(shù)據(jù)，它們常常證明即使在數(shù)據(jù)是嘈雜時(例如，當另一個事件正在進行時，當數(shù)據(jù)丟失時，當數(shù)據(jù)很慢到達時，等等)的時間間隔期間在分析數(shù)據(jù)和預測/識別事件方面也是有效的。另外，對于上述的單一的和混合的系統(tǒng)的事例，級聯(lián)混合系統(tǒng)的結(jié)果(預報，識別，等等)常常比起由已知的太空氣象預測技術(shù)給出的結(jié)果更好，提供例如更長的超前時間，更好的精確度，“全部清晰的”信號，置信度度量，事件大小的數(shù)字索引，等等。
級聯(lián)混合系統(tǒng)的另一個優(yōu)點是，它可包括圍繞方程，模型，包含常常很難(或甚至不可能)估計或估值的變量的技術(shù)構(gòu)建的PIM。變量估值的問題，當希望提前于事件(例如，提前42小時或更多)得到很好的預測或預報時，甚至是更挑戰(zhàn)性。例如，考慮下面已知的方程Dst(nT)＝2×10^-2V2Sqrt(n2)-20-42(10^3V2Bs-0.5)其中V2是沖擊波后的太陽風速度，n2是沖擊波后的太陽風密度，Bs＝0，如果Bz＞0；否則，Bs＝Bz，(來自Burton，R.K.，R.L.McPherron，C.T.Russell，1975，“An empirical relationship betweeninterplanetary conditions and Dst(星際條件和Dst之間經(jīng)驗的相互關(guān)系)”，Journal of Geophysical Research，80，4204-4214)。
Kp＝2.09(+/-0.20)-0.91(+/-0.19)V2Bz，(來自Hardy，D.A.，w.J.Burke，M.S.Gussenhoven，M.Heinemann，and E.Holman，1981，“DMSP/F2 electron observations ofequatorward auroral boundries and their relationship to thesolar wind veosity and the north-south component of theinterplanetary magnetic field(赤道日冕邊界的DMSP/F2電子觀察以及它們和太陽風速度與星際磁場的南北分量的相互關(guān)系)”，Journal of Geophysical Research，86，9961-9974)。
Kp＝9[1-exp(-(sigmaB+0.35)/7.70)]其中sigmaB＝Sqrt(Bz^2+0.5C^2 Bo^2)(來自Ballif，J.R.，D.E.Jomnes，and P.J.Coleman，Jr.，1969，“Further evidence on the correlation between transversefluctuations in the interplanetary magnetic field and Kp(星際磁場的橫向起伏和Kp之間相關(guān)性的進一步證據(jù))”，Journal ofGeophysical Research，74，2239-2301)。
PIM可圍繞任何的這些公式被構(gòu)建。然而，在每種情形下，在方程中有一個重要的參量(例如，Bz，V2，n2，等等)，常常難以(或不可能)估計。因此，圍繞這些公式之一構(gòu)建的任何的簡單的、獨立的模型或系統(tǒng)將具有臨界數(shù)值。然而，一旦把一個(或所有的)這些公式放置到PIM中以及被包括在更大的級聯(lián)混合系統(tǒng)中，它們的數(shù)值就很大地增加，因為系統(tǒng)作為整體地產(chǎn)生的最佳協(xié)同作用。具體地，許多“核心的”PIM(按照本發(fā)明，圍繞模板、專家、神經(jīng)網(wǎng)絡(luò)和混合系統(tǒng)構(gòu)建的)能夠?qū)τ谖粗膮⒘刻峁┛煽康臄?shù)值(常常比起可提供的有更長的超前時間)。
而且，通過使用PIM預報這樣的重要參量，在某些情形下，可以得到改進的經(jīng)驗公式(即，許多經(jīng)驗的PIM)。這些新的公式又可以是更魯棒的，因為它們具有發(fā)聲器理論的/經(jīng)驗的基礎(chǔ)。例如，如上所述，通過使用取SEP數(shù)值作為輸入的神經(jīng)網(wǎng)絡(luò)，Dst可被精確地預報。因此，這樣的神經(jīng)網(wǎng)絡(luò)可包括PIM，它從可能是圍繞上述的Burton等人的(1975)公式被構(gòu)建的PIM獨立地得到Dst。Dst的這兩個預測然后可以互相比較，以及與測量的Dst進行比較，得出置信度水平，加權(quán)因子，等等。
而且，也有可能“重新安排”Burton等人的公式，求解除Dst以外的參量(例如，Bz，V2)。因為在系統(tǒng)中的一個(或多個)PIM可提供Ds t的估值，現(xiàn)在有可能使用重新安排的公式來求解Bz或V2。然后把這些數(shù)值與從其他來源得到的測量值(或估值)(例如由宇宙飛船測量的、從上述另一個公式獲得的等)進行比較。這個級聯(lián)繼續(xù)進行，隨之所有的PIM迭代地和交互作用地集中到越來越好的預報、預測、識別、等等。
上述的級聯(lián)混合系統(tǒng)不取決于任何特定的硬件實施例。系統(tǒng)可以在一個計算機內(nèi)或在其他的計算系統(tǒng)(例如，專門的硬件)內(nèi)運行，或替換地，在多個計算機或其他計算設(shè)備上運行。在一個實施例中，不同的PIM子組在不同的計算設(shè)備上工作(優(yōu)選地通過專用或公共有線/無線網(wǎng)絡(luò)被互聯(lián))，所有的這些計算設(shè)備被連接到(再次地，通過公共或?qū)Ｓ糜芯€/無線網(wǎng)絡(luò))其他計算的或存儲設(shè)備，它們包含所有的或部分的“當前的條件”和其他數(shù)據(jù)。
本領(lǐng)域技術(shù)人員將會看到，這些級聯(lián)系統(tǒng)不限于特定的硬件實施例、任何特定的靜態(tài)(或可變的)類型的或數(shù)目的PIM，任何特定的數(shù)據(jù)類型或數(shù)據(jù)速率，任何特定的數(shù)據(jù)源組，任何特定的“判決法則”(2817，2821)，或任何特定的行動/通知的裝置或方法。本領(lǐng)域技術(shù)人員也將會看到，大量的“代理”可被使用來代替在以上的PIM中描述的任何的/所有的變量。
上述的PIM和級聯(lián)混合系統(tǒng)可以與由其他系統(tǒng)和/或用已知的通知的方式和補救行動得到的預報相接口，以便改進預報的精確度和確保在適當時采取正確的、及時的和顧客定制的調(diào)節(jié)的行動。
而且，本領(lǐng)域技術(shù)人員將會看到，PIM和級聯(lián)混合系統(tǒng)也可被使用來確定太空氣象事件是自然事件還是人為事件(諸如由于核武器爆炸)。例如，如果PIM檢測第三輻射帶的形成或強的電磁脈沖以及沒有檢測到這些事件的自然的先兆，即沒有太陽/星際的先兆事件，則可以表示人為事件。在一個實施例中，PIM被創(chuàng)建來查看事件的組合例如(第三輻射帶或強的電磁脈沖)和(沒有太陽/星際間前兆)。當事件的這個組合發(fā)生時，這個PIM識別它“多半是人為事件”。在這種情形下，可以對于人為事件自動實施適當?shù)腜IM和級聯(lián)混合預測和/或行動。
本領(lǐng)域技術(shù)人員將會看到，由PIM產(chǎn)生的預測的比較或分析可被使用來達到看到物理過程和/或這樣的過程的模型。例如，包含使用SEP數(shù)據(jù)作為輸入的神經(jīng)網(wǎng)絡(luò)或其他系統(tǒng)(例如，混合或其他多模態(tài)智能系統(tǒng))的PIM，通過時間過程，可經(jīng)驗地“得到”遠比當前的模型先進的(例如，精確的，簡單的)物理過程的模型。這些模型(或PIM輸出)的這樣的比較可表示附加的或較少的物理機制在這些物理設(shè)置方面是重要的，因此可導致相應的項目包括或排除在這些公式中和/或相應的輸入數(shù)據(jù)組包括或排除在這些公式中。
定制和通知的系統(tǒng)迄今為止描述的本發(fā)明的所有的實施例(模板、專家、神經(jīng)網(wǎng)絡(luò)、混合和級聯(lián))能夠產(chǎn)生預測。在一個意義上，預測是太空氣象預報系統(tǒng)的最終結(jié)果。然而，在另一個意義上(和/或在其他的情形下)，預測只是到達最終結(jié)果的一部分方式。例如，系統(tǒng)可以預測嚴重的正電子事件將在32小時內(nèi)發(fā)生在地球上。然而，終端用戶(例如衛(wèi)星操作者)想要知道的常常是“這個事件將如何影響我的貴重器材？”?；蛘?，終端用戶或許只寧愿被告知對他的貴重器材是否有主要的影響。因此，除了實際的太空氣象預報的問題以外，本發(fā)明解決對于定制的預報和通知的需要。
在本發(fā)明的一個實施例中，通過“預報最佳化和通知單元(FONE)”提供定制的預報和通知。FONE在許多方面，類似于上述的PIM。如圖19所示，F(xiàn)ONE包含以下單元(a)與FONE有關(guān)的、當前的用戶數(shù)據(jù)組29。這些數(shù)據(jù)可以是靜態(tài)的或?qū)崟r更新的。數(shù)據(jù)優(yōu)選地可以從/通過例如圖1所示的任何的數(shù)據(jù)源被接入的。在一個實施例中，這些數(shù)據(jù)包含實時更新的、用戶的貴重器材的當前和將來的位置(例如，宇宙飛船的位置和軌跡，飛機的飛行路徑，等等)。替換地或附加地，這些數(shù)據(jù)可包含特定貴重器材(宇宙飛船，軍事個人，等等)對太空氣象事件的敏感性。這些敏感性數(shù)據(jù)可以是靜態(tài)的(例如，飛機材料組成的敏感性不隨時間改變)或可以是動態(tài)的(例如，衛(wèi)星的總的敏感性將作為它在地磁層中的位置的函數(shù)而隨時間改變，或個人的敏感性可能作為他們的年齡的函數(shù)或作為他們最近的暴露的函數(shù)而改變，等等)。
(b)對于FONE感興趣的識別或預測表2905。這些識別或預測是FONE正在監(jiān)視的“當前的條件”的方面(例如，正如在先前的級聯(lián)混合系統(tǒng)中描述的)。感興趣的識別或預測可包括超過一組(或可變的)水平(例如，超過X的輻射電平，或超過Y的、＞2MeV電子的強度)的特定的數(shù)值，或某些事件的發(fā)起(例如，輻射帶的形成)。在一個實施例中，感興趣的識別或預測集中在會傷害用戶的貴重器材的電的條件(例如，GIC，宇宙飛船進料，等等)。在另一個實施例中，感興趣的識別或預測集中在會傷害宇航員的輻射或其他條件(例如，超過人的安全的電平的輻射，等等)。在再一個實施例中，它們集中在會擾動通信的條件(例如，電離層的位置或狀態(tài)的改變)。在又一個實施例中，它們集中在會擾動導航或戰(zhàn)術(shù)系統(tǒng)的條件(例如，由于電離層或其他條件造成的GPS不可靠性)。在另一個實施例中，它們集中在會影響用戶貴重器材的物理狀態(tài)的條件(例如，衛(wèi)星附近大氣層密度的改變)。
(c)通知法則組2907。這些法則，有時一般地和有時具體地，規(guī)定應當采取的行動，如果特定的條件2905滿足的話。這些行動可包括，但不限于，以下的任何一項-信息的傳輸(例如，通過傳真、電子郵件、互聯(lián)網(wǎng)、專用數(shù)據(jù)線，等等)?？杀话ㄔ诎l(fā)送的信息中的是有關(guān)特定的事件的細節(jié)，諸如，但不限于，預測的事件時間，預測的事件大小，預測的事件影響，關(guān)于任何預測的置信度水平，(時間、位置、或影響等的)“窗口”或范圍。
-信息的顯示(例如，在計算機終端，在網(wǎng)址上，或在汽車控制板上，等等)。顯示可包括某些或全部先前討論的發(fā)送的信息以及，可任選地，來自其他源的數(shù)據(jù)。信息的顯示可以是數(shù)字的或圖形的形式，包括諸如圖形(橫杠，圖，線，等等)，電平表等等那樣的標準形式，或可以是已知的格式或由科學家、發(fā)明人、藝術(shù)家等規(guī)定的格式。顯示也可以是非標準顯示。在一個實施例中，顯示是三維顯示，例如，X軸表示時間，Y軸表示事件的概率，以及Z軸表示變量的假設(shè)的范圍。這樣的三維圖的檢查(通過可見的或數(shù)字的裝置)可允許用戶更好地了解與特定的事件有關(guān)的概率(例如，用戶可看到，特定的事件只是多半如果他們的貴重器材移到位置X，或如果他們的宇航員在大于3小時內(nèi)分擔EVA，或如果太陽風增加它的密度或速度到Y(jié)或Z以上)。
-可聽見的序列的發(fā)起或變化。這樣的序列可包含發(fā)例如聲音報警，或重放一個歌/單音，其特定的方面作為感興趣的變量的函數(shù)變化。例如，單音的響度可以是事件的猛烈程度的函數(shù)，單音的頻率可表示事件的類型(低音＝?jīng)_擊波，高音＝輻射傷害，等等)，單音的(隨時間)變化可表示到達時間，等等。替換地，一個歌可被重放，表示想要的行動(例如，如果衛(wèi)星操作者聽見催眠曲的開始，則他們知道，這是發(fā)起逐段關(guān)斷的時間)。
-調(diào)節(jié)行動組的發(fā)起(例如，啟動逐段關(guān)斷靈敏的設(shè)備，開始使用冗余的發(fā)送，等等)。
(d)通知方法組2909。這些方法規(guī)定應當進行通知的方式。例如，如果通知法則2907規(guī)定，在特定的情形下，應當以聲音報警，則通知方法可規(guī)定有關(guān)聲音報警的裝置的更多的細節(jié)。
一旦創(chuàng)建一個或多個FONE的組，它將以類似于級聯(lián)系統(tǒng)的PIM運行的方式起作用。具體地，F(xiàn)ONE，優(yōu)選地在所有時間，接入到“當前的條件”的表，或數(shù)據(jù)庫。這個當前的條件的表可以是被PIM使用的同一個表，或它可以是這個表的子集，或它可以是完全不同的表。另外，這個表可被保存在與FONE相同的計算機或網(wǎng)絡(luò)中，或它可以保存在不同的計算機/網(wǎng)絡(luò)/貯存媒體(但是FONE已通過例如圖1所示的任何裝置接入到的一個)。在大多數(shù)情形下，每個FONE是與其他的FONE相對獨立的，以及每個FONE將只取決于“當前的條件”的特定的子集2903。另外，相關(guān)的數(shù)據(jù)可以實時地被接入，或它們可以僅僅偶爾地被接入。
當?shù)玫叫碌臄?shù)據(jù)(或者初級數(shù)據(jù)2809，或者次級數(shù)據(jù)2811)時，每個FONE檢查數(shù)據(jù)，如果發(fā)現(xiàn)相關(guān)的條件2905以及如果FONE要求一個或多個行動，則執(zhí)行適當?shù)男袆印?br> 定制的預報和通知的幾個例子可用來進一步說明本發(fā)明的這個方面。1999年5月，在洛杉磯的醫(yī)院中發(fā)生過一次恐慌。他們?yōu)榱诉h程醫(yī)療進行尋呼他們的內(nèi)科醫(yī)生，但沒有內(nèi)科醫(yī)生應答。他們不知道銀河IV衛(wèi)星受到太空氣象事件的損害，結(jié)果北美的所有的尋呼機不再工作。在這種情形下，按照本發(fā)明的PIM可預報太空氣象事件，以及按照本發(fā)明的FONE可把有關(guān)潛在的銀河IV問題的事先的通知以協(xié)商的格式/方式發(fā)送到銀河IV的運行商和/或用戶。在本例中，銀河IV宇宙飛船操作員先前提供了(按保密原則，如果需要的話)銀河IV優(yōu)先權(quán)，位置，敏感性，能力和用戶。然后，操作員(和每個用戶)將提早(例如，至少提前幾小時)接收到以優(yōu)選的格式的警告或通知，例如，用于操作員的警鈴，和給用戶的電子郵件，尋呼，電話呼叫，或傳真等等。這種提早的和可靠的通知將允許操作員采取調(diào)節(jié)行動，諸如逐段關(guān)斷敏感的宇宙飛船系統(tǒng)，實施備份模式和工作，諸如使用其他衛(wèi)星，等等。同時，提早通知銀河IV的用戶“小心”，這樣，如果必要的話，他們也可采取調(diào)節(jié)行動(諸如，通知所有的尋呼機客戶在三小時內(nèi)，他們可能經(jīng)受業(yè)務(wù)中斷)。尋呼機客戶，包括在洛杉磯的內(nèi)科醫(yī)生，可作出他們自己的安排，諸如每30分鐘用硬連線的電話(即，不用蜂窩或移動電話)呼叫，傳送消息。
按照本發(fā)明的實施例的定制的預報的另一個例子是對于在極區(qū)飛行路徑上高緯度的高空飛行的飛機的輻射劑量的預測。這樣的定制的預報可以具有多個步驟，包括(a)得到初步填寫的飛行計劃，表示飛機的計劃的位置作為時間的函數(shù)。
(b)從第一PIM得到對于各個能量范圍(例如，＞1MeV，＞10MeV，＞100MeV，等等)的SEP通量概況作為時間的函數(shù)的預測。
(c)根據(jù)在極區(qū)中初步的飛行路徑和從第一PIM得到的SEP通量概況，從第二PIM(它們可能，雖然不一定，不同于第一PIM)得到SEP通量的概況作為時間和飛機外部的位置(例如，高度、緯度、極光橢圓形、等等)的函數(shù)的預測。
(d)使用特定的飛機的屏蔽的平均厚度(例如，依照4cm的鋁，或8g cm-2，等等)，根據(jù)初步的飛行計劃預測飛機內(nèi)的輻射劑量。
(e)如果這個劑量等于或超過由客戶規(guī)定的最大可允許的的劑量(例如，0.5rem，1rem，2rem，等等)的80％(或航空公司或飛行員聯(lián)盟或其他顧客已規(guī)定的無論什么門限值)，則以規(guī)定的方式(例如，計算機、電子郵件、警報、尋呼機、等等)警告顧客。
(f)如果請求的話，提供附加的信息，幫助顧客填寫更適當?shù)娘w行計劃。這個附加信息可包括任選項，諸如在極區(qū)在較低的緯度上飛行，不飛行極區(qū)路線，等等。
(g)如果仍舊填寫極區(qū)飛行計劃，在拿開后得到最后填寫的飛行計劃，以及與初步填寫的飛行計劃進行比較。如果它們基本上相同，則使用以上預測的輻射劑量。如果它們很大地不同，則重新計算劑量預測。另外，在一個優(yōu)選實施例中，劑量值可以實時地得到，例如，通過接入和使用當前的飛行位置以及當前的PIM輸出數(shù)據(jù)，等等。
本領(lǐng)域技術(shù)人員將會看到，上述的飛機的例子說明可被使用來作出定制或特制的預報的步驟的類型。類似的步驟被使用于作出對于ISS上的宇航員的健康傷害劑量預測。在這種情形下，例如對于每個宇航員的可允許的劑量可以是已知的(例如，50rem的最大的年劑量)，以及例如，通過使用SEP概況，可以提前幾天和/或幾小時預測各個劑量(例如，在EVA上，在ISS內(nèi)，等等)。因此，嚴重的健康傷害的情形可以容易地提前被確定，以及發(fā)出適當?shù)木瘓?，告警，等等。同樣地，這樣的步驟被使用來預測宇宙飛船異常和/或故障，GPS不精確性，通信中斷，功率浪涌，和在電力網(wǎng)格上的GIC，等等。
按照本發(fā)明的定制的預報和通知系統(tǒng)提供靈活性和精確性。這是部分由于以下的項目(這不是窮舉的表)-多個FONE，可并行地工作(例如，作用在可提供的“當前的條件”，包括初級或次級數(shù)據(jù))和可以以自動方式工作。
-每個FONE可作用在任何的PIM輸出上(不像當前的已知的定制的模板系統(tǒng)，典型地只作用在單個最后的預測上)。具體地，在按照本發(fā)明的系統(tǒng)中，幾個“中等可能的”預測、識別、等等可合在一起建議一個事件(或一個事件的一個方面)，因此產(chǎn)生識別或預報。
-一個或多個FONE和/或它們的相關(guān)的PIM可以是“現(xiàn)場外的(offsite)”(例如，在一個分開的計算機，設(shè)施中，等等)，以及相關(guān)的輸入可從另一個位置被饋送到它們(例如，通過圖1所示的任何裝置)，這樣，它們可以在這個現(xiàn)場外的位置處產(chǎn)生它們的預報和/或行動。
-FONE可以規(guī)定多個預報/通知的方法。
另外，不同的類型的預報，識別，或事件可以具有不同的通知的方法。
雖然本發(fā)明是參照其具體的說明性實施例被具體地顯示和描述的，但本領(lǐng)域技術(shù)人員將會看到，在形式和細節(jié)上的各種改變?nèi)詫儆谟蓹?quán)利要求規(guī)定的本發(fā)明的范圍。例如，基于模板的實施例不限于任何特定的準則以及專家系統(tǒng)實施例不限于任何特定的法則組。專家系統(tǒng)法則不單需要查看平均的、原始的或平均的活動性水平；它們也規(guī)定分布，例如，粒子或其他數(shù)據(jù)(太陽、星際或地球物理)的方差或標準偏差。這樣的專家系統(tǒng)也可包括基于在最近的事件之間的時間或在這樣的事件之間的時間的分布的法則。另外，由專家系統(tǒng)實施的法則實際上不需要是“二進制的”(即，全部或沒有)；專家系統(tǒng)也可以圍繞“模糊的”法則被構(gòu)建，它例如規(guī)定概率、數(shù)量、或其他非二進制準則/函數(shù)。類似的神經(jīng)網(wǎng)絡(luò)系統(tǒng)也可包括其他人工智能系統(tǒng)和智能混合系統(tǒng)。另外，這里描述的技術(shù)可以按各種方式被組合；例如，混合系統(tǒng)可以通過同時應用某些或全部基于模板的、基于專家系統(tǒng)的、和基于神經(jīng)網(wǎng)絡(luò)的技術(shù)，而產(chǎn)生預測。在一個混合實施例中，例如，模板可表示從西部、中心、或東部太陽位置發(fā)源的快速/緩慢事件和峰值通量，以及神經(jīng)網(wǎng)絡(luò)可確認事件的太陽發(fā)源地，以及預測是否將出現(xiàn)地磁暴?；旌舷到y(tǒng)可以以許多方式產(chǎn)生最后的預測，諸如，但不限于，“最壞情形的”預測(例如，基于由子系統(tǒng)的輸出預測的最短的到達時間)，或根據(jù)置信度、確定性、或可靠度(例如，隨時間的一致性，或標準偏差的數(shù)目，或離理想輸出的距離，或與先前的預測的一致性，等等)的加權(quán)的預測。
通過使用對于特定的環(huán)境專門化的實施例的版本，以上的實施例的精確度可被提高。例如，如果光學或其他數(shù)據(jù)源表示一個事件出現(xiàn)在太陽的西部經(jīng)度處，則被專門化的、僅僅西部的模板可被使用來提高精確度。同樣地，對于神經(jīng)網(wǎng)絡(luò)實施例，如果得到表示當前是增加的太陽活動性(例如，太陽最大值)的時間間隔的數(shù)據(jù)，則可以使用對于這些條件被專門化的神經(jīng)網(wǎng)絡(luò)。同樣地，專門化的法則可被動態(tài)地使用于專家系統(tǒng)。例如，在低的太陽活動性時間間隔內(nèi)，如果峰值被檢測為超過某個低的門限值，則將預測一個風暴，而在高的太陽活動性(例如，太陽最大值)時間間隔內(nèi)，在發(fā)出警告之前，可能需要較高的通量水平的峰值。
最后，雖然上述的算法和技術(shù)主要集中在SEP數(shù)據(jù)上，相同的或類似的算法和技術(shù)可被本發(fā)明人應用來根據(jù)其他的類型的太陽、星際或地球物理數(shù)據(jù)，產(chǎn)生太空氣象預報。
權(quán)利要求
1.用于預測太空氣象的系統(tǒng)，包括a.當前的太陽能量粒子數(shù)據(jù)的源；b.處理器，能夠接入數(shù)據(jù)源，其中處理器根據(jù)識別在當前的太陽能量粒子數(shù)據(jù)中的復雜的模式來預測太空氣象事件，模式是從三個或多個歷史的太陽能量粒子測量值得出的。
2.權(quán)利要求1的系統(tǒng)，其中處理器根據(jù)識別從與平靜的太空氣象條件有關(guān)的歷史的太陽能量粒子測量值得出的、在當前的太陽能量粒子數(shù)據(jù)中的模式來預測平靜的太空氣象條件。
3.權(quán)利要求1的系統(tǒng)，還包括有關(guān)當前的太陽周期的位相的信息的源；其中處理器還根據(jù)當前的太陽周期位相預測太空氣象事件。
4.權(quán)利要求1的系統(tǒng)，還包括一個或多個模板，每個包含與太空氣象事件的特性有關(guān)的能量粒子數(shù)據(jù)；以及其中處理器能夠接入一個或多個模板和當前的能量粒子數(shù)據(jù)源，以及通過確定一個或多個模板中哪個模板最類似于當前的能量粒子數(shù)據(jù)而預測太空氣象事件。
5.權(quán)利要求1的系統(tǒng)，還包括一個或多個模板，每個包含與太空氣象事件的特性有關(guān)的能量粒子數(shù)據(jù)；以及其中處理器能夠接入一個或多個模板和當前的能量粒子數(shù)據(jù)源，以及通過選擇最類似于當前的能量粒子數(shù)據(jù)的一個或多個模板而預測太空氣象事件。
6.權(quán)利要求4的系統(tǒng)，其中模板還包含歷史太空氣象數(shù)據(jù)和歷史太陽事件數(shù)據(jù)。
7.權(quán)利要求4的系統(tǒng)，其中模板是從歷史數(shù)據(jù)的加權(quán)平均得到的。
8.權(quán)利要求4的系統(tǒng)，其中太空氣象事件的特性是地磁暴開始時間、地球物理位置、強度、持續(xù)時間、到達速度和起源點位置中的一個或多個。
9.權(quán)利要求4的系統(tǒng)，其中在模板和當前的能量粒子數(shù)據(jù)之間的相似性是基于在模板和當前的能量粒子數(shù)據(jù)之間的歐幾里得距離。
10.權(quán)利要求4的系統(tǒng)，其中在模板和當前的能量粒子數(shù)據(jù)之間的相似性是基于在模板和當前的能量粒子數(shù)據(jù)之間的相似性的統(tǒng)計測量值。
11.權(quán)利要求1的系統(tǒng)，其中當前的能量粒子數(shù)據(jù)是從其他太陽數(shù)據(jù)得到的。
12.權(quán)利要求1的系統(tǒng)，其中能量粒子數(shù)據(jù)是在一個或多個能量范圍中能量粒子的通量。
13.權(quán)利要求1的系統(tǒng)，還包括一個或多個組的一個或多個模板，每個模板包含與太空氣象事件的特性有關(guān)的能量粒子數(shù)據(jù)；以及其中處理器能夠接入一個或多個組的一個或多個模板和當前的能量粒子數(shù)據(jù)源，以及通過確定每個組中的一個或多個模板中的哪個最類似于當前的能量粒子數(shù)據(jù)而預測太空氣象條件。
14.權(quán)利要求1的系統(tǒng)，其中處理器通過應用法則來識別模式。
15.權(quán)利要求14的系統(tǒng)，其中法則是檢測能量粒子數(shù)據(jù)中的峰值。
16.權(quán)利要求15的系統(tǒng)，其中處理器在應用峰值檢測法則之前在預定的時間間隔上平均當前的能量粒子數(shù)據(jù)。
17.權(quán)利要求3的系統(tǒng)，還包括太陽數(shù)據(jù)源；以及其中處理器還根據(jù)太陽數(shù)據(jù)預測太空氣象事件。
18.權(quán)利要求17的系統(tǒng)，其中太陽數(shù)據(jù)是X射線數(shù)據(jù)。
19.權(quán)利要求18的系統(tǒng)，其中處理器根據(jù)這樣一個確定即X射線數(shù)據(jù)表示X射線的增加以及能量粒子數(shù)據(jù)表示在X射線增加后出現(xiàn)能量粒子的峰值，而預測太空氣象事件。
20.權(quán)利要求1的系統(tǒng)，其中處理器根據(jù)具有包括三個或多個能量粒子數(shù)據(jù)值的輸入矢量和具有表示太空氣象事件的輸出矢量的神經(jīng)網(wǎng)絡(luò)來預測太空氣象事件。
21.權(quán)利要求20的系統(tǒng)，其中輸入矢量還包括當前的太陽周期位相數(shù)據(jù)。
22.用于預測太空氣象的方法，包括a.接入當前的太陽能量粒子數(shù)據(jù)的源；b.根據(jù)識別在當前的太陽能量粒子數(shù)據(jù)中的復雜的模式來預測太空氣象事件，模式是從三個或多個歷史的太陽能量粒子測量值得出的。
23.權(quán)利要求22的方法，其中預測的事件是平靜條件。
24.權(quán)利要求22的方法，還包括接入有關(guān)當前的太陽周期的位相的信息的源；其中識別的模式是從與當前的位相相同的太陽周期的位相有關(guān)的歷史的太陽能量粒子測量值得出的。
25.權(quán)利要求22的方法，還包括接入一個或多個模板，每個包含與太空氣象事件的特性有關(guān)的能量粒子數(shù)據(jù)；以及其中預測步驟還包括選擇最類似于當前的能量粒子數(shù)據(jù)的一個或多個模板。
26.權(quán)利要求25的方法，其中模板還包含歷史太空氣象數(shù)據(jù)和歷史太陽事件數(shù)據(jù)。
27.權(quán)利要求25的方法，其中模板是從歷史數(shù)據(jù)的加權(quán)平均得到的。
28.權(quán)利要求25的方法，其中太空氣象事件的特性是地磁暴開始時間、地球物理位置、強度、持續(xù)時間、到達速度和起源點位置中的一個或多個。
29.權(quán)利要求25的方法，其中在模板和當前的能量粒子數(shù)據(jù)之間的相似性是基于在模板和當前的能量粒子數(shù)據(jù)之間的歐幾里得距離。
30.權(quán)利要求25的方法，其中在模板和當前的能量粒子數(shù)據(jù)之間的相似性是基于在模板和當前的能量粒子數(shù)據(jù)之間的相似性的統(tǒng)計測量值。
31.權(quán)利要求22的方法，其中接入步驟包括從其他太陽數(shù)據(jù)得到當前的能量粒子數(shù)據(jù)。
32.權(quán)利要求22的方法，其中能量粒子數(shù)據(jù)是在一個或多個能量范圍中能量粒子的通量。
33.權(quán)利要求22的方法，還包括接入一個或多個組的一個或多個模板，每個包含與太空氣象事件的特性有關(guān)的能量粒子數(shù)據(jù)；以及其中預測步驟還包括確定每個組中的一個或多個模板中的哪個最類似于當前的能量粒子數(shù)據(jù)。
34.權(quán)利要求22的方法，其中通過應用法則來識別模式。
35.權(quán)利要求34的方法，其中法則是檢測能量粒子數(shù)據(jù)中的峰值。
36.權(quán)利要求35的方法，其中當前的能量粒子數(shù)據(jù)是在峰值檢測之前在預定的時間間隔上平均的。
37.權(quán)利要求34的方法，還包括接入太陽數(shù)據(jù)源；以及其中識別的模式還包括太陽數(shù)據(jù)。
38.權(quán)利要求37的方法，其中太陽數(shù)據(jù)是X射線數(shù)據(jù)。
39.權(quán)利要求38的方法，其中模式是X射線的增加，后面出現(xiàn)能量粒子中的峰值。
40.權(quán)利要求22的方法，其中模式是通過具有包括三個或多個能量粒子數(shù)據(jù)的輸入矢量和具有表示太空氣象事件的輸出矢量的神經(jīng)網(wǎng)絡(luò)而被識別的。
41.權(quán)利要求40的方法，其中輸入矢量還包括當前的太陽周期位相數(shù)據(jù)。
42.權(quán)利要求40的方法，還包括用與平靜太空氣象條件有關(guān)的歷史的太陽能量粒子測量值訓練神經(jīng)網(wǎng)絡(luò)。
43.權(quán)利要求41的方法，其中輸入矢量還包括X射線數(shù)據(jù)。
44.權(quán)利要求20的系統(tǒng)，其中神經(jīng)網(wǎng)絡(luò)是用與平靜太空氣象條件有關(guān)的歷史的太陽能量粒子測量值訓練的。
45.權(quán)利要求21的系統(tǒng)，其中輸入矢量還包括X射線數(shù)據(jù)。
46.權(quán)利要求4的系統(tǒng)，其中太空氣象事件的特性是在一個或多個特定的位置處的SEP時間概況，峰值通量，能量，或能量密度中的一個或多個。
47.權(quán)利要求1的方法，其中預測是地磁暴開始時間、地球物理位置、強度持續(xù)時間、到達速度和起源點位置中的一個或多個。
48.權(quán)利要求1的系統(tǒng)，其中預測是在一個或多個特定的位置處的SEP時間概況、峰值通量、能量或能量密度中的一個或多個。
49.權(quán)利要求48的方法，其中特定的位置是空間站、對地靜止的軌道、高的緯度和高的高度中的一個或多個。
50.嵌入在存儲介質(zhì)中的、用于預測太空氣象的計算機代碼，執(zhí)行以下步驟a.接入當前的太陽能量粒子數(shù)據(jù)的源；b.根據(jù)識別在當前的太陽能量粒子數(shù)據(jù)中的復雜的模式來預測太空氣象事件，模式是從三個或多個歷史的太陽能量粒子測量值得出的。
51.用于預測太空氣象的、基于處理器的系統(tǒng)，包括第一和第二預測/識別模塊，每個模塊包括一個系統(tǒng)，根據(jù)輸入數(shù)據(jù)產(chǎn)生涉及太空氣象的輸出數(shù)據(jù)，以及包括規(guī)定系統(tǒng)要起作用的時間的一組開始條件的數(shù)據(jù)；其中用于第二預測/識別模塊的至少某些輸入數(shù)據(jù)是從由第一預測/識別模塊產(chǎn)生的輸出數(shù)據(jù)得到的。
52.用于預測太空氣象的系統(tǒng)，包括第一和第二預測/識別模塊，每個模塊包括一個系統(tǒng)，它根據(jù)輸入數(shù)據(jù)產(chǎn)生涉及太空氣象的輸出數(shù)據(jù)，以及包括規(guī)定系統(tǒng)要起作用的時間的一組開始條件的數(shù)據(jù)；其中用于第二預測/識別模塊的至少一個開始條件是從第一預測/識別模塊的輸出數(shù)據(jù)得到的。
53.權(quán)利要求51的系統(tǒng)，其中第一和第二模塊中的至少一個還包括用于評估所產(chǎn)生的輸出數(shù)據(jù)的精確度的裝置。
54.權(quán)利要求51的系統(tǒng)，其中第一和第二模塊中的至少一個還包括用于加權(quán)產(chǎn)生的輸出數(shù)據(jù)的裝置。
55.權(quán)利要求51的系統(tǒng)，其中第一和第二模塊中的至少一個還包括根據(jù)所產(chǎn)生的輸出數(shù)據(jù)規(guī)定要被執(zhí)行的合成的行動的數(shù)據(jù)。
56.權(quán)利要求55的系統(tǒng)，其中第一和第二模塊中的至少一個還包括用于加權(quán)產(chǎn)生的輸出數(shù)據(jù)的裝置，以及在規(guī)定合成的行動的數(shù)據(jù)中的合成的行動之一造成由用于加權(quán)的裝置產(chǎn)生的結(jié)果的改變。
57.權(quán)利要求55的系統(tǒng)，其中在規(guī)定合成的行動的數(shù)據(jù)中的合成的行動之一造成把即將來臨的太空氣象事件的通知發(fā)送到用戶。
58.權(quán)利要求51的系統(tǒng)，其中輸入數(shù)據(jù)包括一個或多個是測量值的結(jié)果的初級數(shù)據(jù)值，以及一個或多個由模塊之一產(chǎn)生和輸出的次級數(shù)據(jù)值。
59.用于預測太空氣象的、基于處理器的系統(tǒng)，包括多個級聯(lián)的預測/識別模塊，每個模塊包括一個系統(tǒng)，根據(jù)輸入數(shù)據(jù)產(chǎn)生涉及太空氣象的輸出數(shù)據(jù)，以及包括規(guī)定系統(tǒng)要起作用的時間的一組開始條件的數(shù)據(jù)；其中用于至少一個預測/識別模塊的至少某些輸入數(shù)據(jù)是從由另一個預測/識別模塊產(chǎn)生的輸出數(shù)據(jù)得到的。
60.基于處理器的太空氣象通知系統(tǒng)，包括太空氣象條件的預測和識別的源；通知模塊包括規(guī)定用戶的對于太空氣象事件的敏感性的用戶數(shù)據(jù)，用于接收太空氣象條件的預測和識別的裝置，規(guī)定對于響應于接收的太空氣象條件的預測和識別，要被執(zhí)行的行動的通知法則的數(shù)據(jù)；以及用于執(zhí)行在通知法則中規(guī)定的行動，由此把接收的太空氣象條件的預測和識別通知用戶的裝置。
61.權(quán)利要求60的系統(tǒng)，其中在通知法則中規(guī)定的行動包括發(fā)送有關(guān)太空氣象條件的信息到用戶、顯示有關(guān)太空氣象條件的信息、和發(fā)起可聽見的序列中的一個或多個。
62.權(quán)利要求60的系統(tǒng)，還包括用于自動應答從用于執(zhí)行行動的裝置接收的通知的裝置。
63.權(quán)利要求62的系統(tǒng)，其中用于自動應答的裝置位于用戶的位置。
64.權(quán)利要求60的系統(tǒng)，其中用于執(zhí)行行動的裝置的至少一部分位于用戶的位置。
全文摘要
根據(jù)識別太陽、星際或地球物理數(shù)據(jù)的復雜的模式預報太空氣象的系統(tǒng)和方法(在地球或其他位置)。這些數(shù)據(jù)包括當前的(103，104)或歷史的(105)測量值和/或模型的數(shù)據(jù)(107)(預測的或仿真的)。數(shù)據(jù)模式(非事件和事件有關(guān)的)被識別(即使當在另一個事件出現(xiàn)時)。這樣的模式可隨太陽(例如，太陽最大值/最小值)、星際、或地球物理活動性的最近的/周期的變化而變化。實施例是圍繞以下系統(tǒng)構(gòu)建的模板(200)，專家系統(tǒng)，神經(jīng)網(wǎng)絡(luò)，包括這些項目的組合的混合系統(tǒng)，以及多模態(tài)智能系統(tǒng)。在新的數(shù)據(jù)出現(xiàn)時和當系統(tǒng)被動態(tài)地修正(例如，通過在系統(tǒng)部件之間的反饋)時，預報被定制和/或被更新。數(shù)字的或其他的索引被產(chǎn)生來代表預報、相關(guān)的置信度水平、等等。
文檔編號G01W1/10GK1437732SQ01811339
公開日2003年8月20日 申請日期2001年4月18日 優(yōu)先權(quán)日2000年4月18日
發(fā)明者D·S·因特里利加托, J·M·因特里利加托 申請人:卡梅爾系統(tǒng)有限責任公司