一种用于声发射图中太阳震自动检测的机器学习增强方法

太阳震是出现于太阳表面的地震波发射，与部分太阳耀斑相关。虽于 1998 年发现，但直至近年才成为较常被测得的现象。尽管已有若干人工检测指南，据我们所知，为太阳震产生的天体物理数据对该机器学习领域而言尚属新颖。检测太阳震对人类操作员而言艰巨，本工作旨在缓解并尽可能改进其检测。为此，我们构建数据集，来源于利用全息法获取的太阳活动区第 23 与 24 活动周声学出射功率图。随后我们提出应用机器学习表征方法（使用自编码器、对比学习、目标检测与循环技术）进行太阳震检测的教学式方案，并引入若干自定义特定域数据增强变换加以增强。我们应对了自动太阳震检测任务的主要挑战，即活动区阴影内外极高噪声图样，以及因具太阳震特征帧数有限导致的极端类别不平衡。经训练模型，我们发现了特殊声发射的时空位置，并定性将其与喷发及高能发射相关联。尽管这些模型尚处原型阶段且指标与偏差水平大有改进空间，我们推测其在示例用例上的一致性有望实现弱太阳声学现象的探测。