基于 Transformer 的太阳闪现运营预测

太阳闪现是太阳表面的爆炸，当太阳活跃区域 (AR) 周围的磁场中储存的能量突然释放时便会发生。本文提出了基于 Transformer 的框架，命名为 SolarFlareNet，用于预测 AR 在未来 24 到 72 小时内是否会产生伽马级闪现。我们考虑三种伽马级别称，即 >=M5.0 级、>=M 级和 >=C 级，分别为每一级构建三个 Transformer。每个 Transformer 用于预测其对应的伽马级闪现。我们的方法核心在于将 AR 的数据样本建模为时间序列，并利用 Transformer 捕获数据样本的时序动态。每个数据样本由来自太空天气 HMI 活跃区域块 (SHARP) 的磁参数及相关数据产品构成。我们使用从 2010 年 5 月至 2022 年 12 月期间发生的闪现事件通过国家环境信息中心 (NCEI) 火星目录建立数据库，并在 NCEI 火星目录中识别出 AR，以构建适合机器学习的标签。我们进一步将确定性方法扩展为基于校准的概率预测方法。SolarFlareNet 系统已完全部署，可在 Web 上进行近实时太阳闪现预测。