由太阳与日球层观测台任务制备的机器学习就绪数据集
太阳与恒星天体物理
2021-08-17 v1 天体物理仪器与方法
机器学习
空间物理
机器学习
摘要
我们提出一个 Python 工具，用于从太阳图像生成标准数据集，该工具允许用户自定义选择标准及一系列预处理步骤。我们的 Python 工具适用于太阳与日球层观测台（SoHO）和太阳动力学天文台（SDO）任务的所有图像产品。我们讨论了一个由 SoHO 任务多光谱图像生成的数据集，该数据集不含缺失或 corrupted 数据以及日冕仪图像中的行星凌日，且时间同步，可直接作为机器学习系统的输入。机器学习就绪图像对学界是有价值的资源，因为它们可用于例如空间天气参数预报。我们用对拉格朗日点一（L1）观测到的行星际磁场（IMF）南北分量的 3–5 天提前预报来说明该数据的使用。在此用例中，我们将深度卷积神经网络（CNN）应用于完整 SoHO 数据集的一个子集，并与高斯朴素贝叶斯分类器的基线结果进行比较。
引用
@article{arxiv.2108.06394,
title = {A Machine-Learning-Ready Dataset Prepared from the Solar and Heliospheric Observatory Mission},
author = {Carl Shneider and Andong Hu and Ajay K. Tiwari and Monica G. Bobra and Karl Battams and Jannis Teunissen and Enrico Camporeale},
journal= {arXiv preprint arXiv:2108.06394},
year = {2021}
}
备注
under review