Prediction of Solar Activity Cycle 25 with NARX Neural Networks

Abstract

Güneş Aktivite Çevrimlerini (GAC) tahmin etmek; Dünya yörüngesindeki uzay araçlarının güvenliği, iletişim ağları ve genel olarak yaşam üzerindeki olumsuz etkileri nedeniyle önemli hale gelmiştir. Bu çalışmada, 25. GAC tahmini için yaklaşık 3246 adet 13 aylık ortalama Güneş Lekesi Sayısı'ndan (GLS) (Temmuz 1749 -Aralık 2019 arasında) oluşan büyük bir veri seti ile Doğrusal Olmayan Otoregresif Eksojen (NARX) sinir ağı tabanlı modeller kullanılmıştır. NARX modelleri veri seti ile Bayesian Regülasyonu kullanılarak eğitilmiştir. NARX modelinin performansı Ortalama Karekök Sapması (RMSE), Korelasyon Katsayısı (r) ve Normalize Nash-Sutcliffe Verimlilik Katsayısı (NNSE) kullanılarak hesaplanmıştır ve modelin performansının "çok iyi" (NNSE > 0.95) olduğu bulunmuştur. Modelimiz diğer benzer çalışmalardan elde edilen sonuçlarla karşılaştırılarak doğrulanmıştır ve 25. GAC için maksimum GLS (R25 maks ) 104,542 ve maksimum ayı Mayıs 2024 olarak tahmin edilmiştir. NARX tabanlı modellerin literatürde bildirilen diğer yöntemlere kıyasla iyi ve uyumlu tahmin sonuçları ortaya çıkardığı görülmüştür.