全文总字数：3246字

1. 研究目的与意义及国内外研究现状

太阳黑子是在太阳的光球层上发生的一种太阳活动，是太阳活动中最基本，最明显的活动现象，太阳黑子数则是表征其活动程度的一种指数。太阳黑子活跃时会对地球的磁场产生影响，造成恶劣天气以及地震等自然灾害，严重时还会对各类电子产品和电器造成损害，还会引起地球上气候的变化。因此，本课题旨在研究对太阳黑子数预测的有效的科学方法。

一方面，聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程，它是一种重要的人类行为。聚类分析的目标就是在相似的基础上收集数据来分类。聚类源于很多领域，包括数学、计算机、统计学、生物学和经济学。聚类分析的典型代表是基于距离的传统聚类算法，如k-means算法等，这些聚类算法得到的结果清晰、无二义，但也存在着不可避免的问题。如要求事先制定k个聚类初始点，聚类结果对k值非常敏感，因此，如何事先确定k值是传统聚类算法存在的最大问题。

另一方面，神经网络是近年来广泛兴起的应用于模式识别、智能控制等信息处理的有力工具，具有很强度自适应学习能力、鲁棒性和容错能力，从而可以代替复杂的传统算法，使信号处理过程更接近于人类思维活动。神经网络可以分成四种类型，即前向型、反馈型、随机型和自组织竞争型。针对传统聚类算法存在的问题，本课题实现基于聚类分析的神经网络算法用来对太阳黑子数的预测，主要选择的是神经网络模型中具有代表性的bp神经网络模型和rbf神经网络模型。

2. 研究的基本内容

首先， 在了解神经网络、聚类分析以及时间序列预测的原理及发展概况的基础上，借鉴其在其他案例的应用，再以某段时间太阳黑子数为研究对象进行研究；

其次，熟练掌握matlab软件的编程仿真，设计bp神经网络、rbf神经网络的预测模型，将上述太阳黑子数目作为输入样本点，调试算法的各参数，得到不同的预测结果；

然后，使用matlab实现聚类算法方程，对上述同样的样本进行模式空间分解，形成新的样本集合，再用神经网络集学习，计算检测样本对各样本子集的隶属度，整合各子空间的输出结果，再采用matlab软件实现基于聚类的神经网络预测；

3. 实施方案、进度安排及预期效果

2017年1月-2月：

查阅文献，掌握有关太阳黑子数的概况，以及神经网络、聚类分析、时间序列预测的发展和基本原理；

熟悉掌握matlab软件的编程方法，了解matlab在一些案例上的实际仿真应用；

4. 参考文献

1.伍友利.基于混沌理论的太阳黑子数时间序列预测.陕西师范大学学报.2004(s1):81-83

2.陈传波.基于聚类的神经网络及其在预测中的应用.华中科技大学学报.2003,31(6):84-85

3.陈华.基于人工神经网络的聚类算法.安徽理工大学学报.2009,29(2):38-41