太阳黑子周期分析
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
太阳黑子周期分析
1:计算太阳黑子周期
1)、选取历年的太阳黑子数据
本次作业选取的是1700—1999年的太阳黑子数据。将数据导入matlab中,并绘制太阳黑子数随年份变化的关系曲线。如图1所示。
程序如下:
clear
load
year =sunspot(:,1);
sunspot =sunspot(:,2);
plot(year(1:300),sunspot(1:300),'');
xlabel ('years'); ylabel('sunspot data');
>
title('1700—1999年太阳黑子数是随年份变化的关系曲线 ');
grid on
图1、太阳黑子数随年份的变化曲线
2):利用功率谱密度函数分析周期
1、对已经得到的Wolfer数进行FFT变换分析它的变化规律,并作功率与频率的关系图。
y=fft (sunspot (1:300));
y(1)=[];
n=length(y);
power =abs(y(1:n/2)).^2;
q=1/2;
{
f= (1:n/2)/(n/2)*q;
plot(f, power);
xlabel('周期/年');title('周期图');
运行结果如图2所示。
图2、太阳黑子的功率谱
为了清楚起见,取功率和频率的前50个分量作它的周期图,程序如下: plot(f(1:50),power(1:50));
xlabel('频率');
运行结果如图3所示。
?
图3、功率和频率的前50个分量的周期图
2、确定太阳黑子的活动周期,画出功率与周期的关系图。程序如下:
T=1./f;
plot (T, power);
axis ([0 50 0 7e+6]); %X轴围是0-50,Y轴围是0-7*10^6
xlabel ('周期');ylabel('功率');
grid on
%在功率与周期的关系图上标出功率的最高点,该位置对应的周期即为太阳黑子活动的周期。程序如下:
hold on
index=find(power==max(power));
m=num2str(T(index));
(
plot(T(index),power(index),'r.','MarkerSize',25);
text(T(index)+2,power(index),['T=',m]);
hold off
运行结果如图4所示:
图4、太阳黑子周期图
运用功率谱方法计算出太阳黑子的活动周期为T=,这与Wolfer 得出的11年的周期规律基本一致,说明实验方法是正确的。
`
2、利用ARMA 模型,预测未来某年的太阳黑子数
1)、建立AR 模型
选用二阶自回归模型AR (2),方程为:
1122t t t t x x x a ϕϕ--=++ 2(0,)t
a a NID σ (1)
采用最小二乘法对参数1ϕ、2ϕ进行估计:
1()T T x x x y ϕ∧
-= (2)
模型残差方差: 2
2112231()2N a t t t t x x x N σϕϕ--==---∑ (3) (
计算参数程序如下:
x=zeros(298,2);
for i=2:1:299
x(i-1,1)=sunspot(i);
end
for k=1:1:298
x(k,2)=sunspot(k);
end
y=zeros(298,1);
for t=3:1:300
y(t-2,1)=sunspot(t);
¥
end
A=x';
B=x'*x;
C=inv(B);
D=C*A*y
运行得
D =
即
5981.0-4867.121==ψψ '
带入公式(3)解得 364.1380 =ασ
求解程序如下:
syms s
m=0;
s=sunspot (1:300);
for i=3:300;
m=m+(s(i)*s(i-1)+*s(i-2))^2;
end
n=m/298
n =
}
解得 364.1380 =ασ
故得到AR (2)模型方程是:
t t t t a x x x +-=--215981.04867.1
其中 )1380.364,0(~NID a t
2)、用上述AR (2)模型进行检验并预测
Sunspot(1998)=, Sunspot(1999)=, Sunspot(2000)=
利用上述AR (2)模型计算得:
Sunspot(2000)=*误差率=)/=%;
Sunspot(2004)=, Sunspot(2005)=, Sunspot(2006)=
利用上述AR (2)模型计算得:
Sunspot(2006)=*误差率=()/=%
经验证,AR (2)模型对之前所用数据的拟合程度是很好的,但是对后面年份的预测存在一定的误差,有的年份误差偏大,但其实极差并不大,勉强可以预测。