地磁暴是重要的灾害性空间环境扰动事件,对卫星系统、通讯系统、导航系统和电力系统等有着重要的影响。太阳风是造成地磁暴的直接原因,及时、准确的对太阳风进行分析判断,并预报可能发生的地磁暴,能够让我们更大程度上减少空间环境剧烈扰动对人类造成的损失。本文共构建两个Kp指数短期预报模型。模型一是通过机器学习广泛应用的XGBoost算法、单层感知机和相似度算法,利用Ace卫星积累的太阳风及行星际参数数据,从特征参数的时间序列变化上寻找相似,再通过历史相似事例的后续影响,指导未来1-3小时内的地磁Kp指数预报,进而进行地磁暴预警。借助于Akasufo太阳风-磁层能量耦合函数,模型二利用太阳风及行星际数据和Akasofu耦合函数计算出太阳风输入到地球磁层的能量,以输入的能量计算相似度,寻找对地影响相似的历史太阳风。进而通过历史相似事例的后续影响指导Kp指数预报。根据实际业务需要,可以结合两个模型进行混合推荐。以两个模型对1998年-2019年间随机选择的40个造成大磁暴的太阳风事例、40个造成小磁暴的太阳风事例和40个无地磁暴影响的太阳风事例进行测试,推荐结果显示,两个模型都能够成功推荐出历史上与输入太阳风造成相似地磁影响的太阳风事例。两个模型的预测值与实测值间相关系数分别是0.93、0.84,预测结果的均方根误差分别是0.79、1.38,预测的平均绝对误差分别是0.65、1.14。与传统预报模型不同的是,本文的推荐模型不仅能给出推荐的太阳风事例之后的地磁Kp指数用作预报,且相关性较好、输入参数种类较少,还不再受限于人工神经网络“黑盒”过程,能够更加清晰、直观的给出历史太阳风与输入太阳风特征参数按时间序列变化情况对比图,让预报员可以更好的将自身预报经验融入到预报当中。