太阳质子事件会给在地球附近轨道运行的航天器带来危险,使卫星载荷仪器上的敏感元件受到损伤,影响仪器乃至整星的使用寿命。因此准确的太阳质子事件预报尤其是短期预报,对于执行太空任务以及协调敏感探测仪器的使用是十分重要的。 根据现有对质子事件的发生机制、统计特征规律、相关性因素以及预报方法的大量研究成果,在本文中我们采用近年应用范围十分广泛的BP神经网络技术来深入研究建立太阳质子短期预报模型,搜集了1986-2006年间的质子事件数据,在传统因子的基础上,研究了低能粒子流量和软x射线爆发频率等新因子,并分析了CME速度以及活动区演化因子等潜在参数的应用前景。最终我们选取黑子相对数及黑子区域面积、软x射线耀斑强度、日面经度分布、太阳射电流量、太阳射电爆发类型、低能粒子流量、背景软x射线爆发频率、10.7厘米射电流量、源区磁场结构等作为模型输入参数,进行相关性分析。 本文根据神经网络理论设计了3层BP网络,并采用有监督训练的方式确保网络正确收敛。我们利用50个样本进行训练,20个样本用于监督,剩余72个样本用于网络检验。检验结果,对质子事件的报准率为84.7%,35%的非事件样本被误报为事件。整体来说,网络显示了较好的性能,也显示了新预报因子的适用性。 最后,我们又根据设计的网络结构改进了模型参数,利用软x射线0.5-4埃和1-8埃波段的峰值流量、峰域积分流量以及背景流量为新的输入,对近20年间的高通量事件质子峰值流量进行模拟,16个事件检验样本中,有12个的输出结果同观测结果误差控制在一个量级之内,体现了良好的网络性能。