基于多变量LSTM网络的太阳黑子活动预测分析

Abstract: 通过添加太阳黑子周期长度构建长短期记忆网络（Long Short-Term Memory，LSTM)的多变量输入数据，在多时间步长上预测未来10年的太阳黑子变化。将数据集以训练数据长度为标准划分出两组时间序列片段，分别是分片11和分片6，并在分片上分别对比了单变量和多变量在单时间步长和多时间步长上的预测效果。最后，得出以下主要结论：(1)比起分片6，分片11的采样方式有更低的均方根误差(Root mean squared error,RMSE)；(2)最优多步长的预测效果比单步长的要好；(3)通过图例上周期的起始点、结束点和最大振幅位置三个点的准确度证明了多变量的多步长方法确实有更好的预测效果。