基于区间时间序列分类器的无耀斑预报
机器学习
2021-05-05 v1
摘要
无耀斑（all-clear）预报是一种太阳耀斑预测，更侧重于以高精度预测非耀斑实例（通常为相对较小的耀斑与耀斑宁静区），同时仍保持有价值的预测结果。尽管许多耀斑预测研究未直接解决该问题，无耀斑预报在业务运行中具有用处。然而，在无耀斑预报中，避免漏报（false negatives）与减少误报（false positives）之间找到恰当平衡通常具有挑战性。我们的研究聚焦于训练与测试一组称为时间序列森林（TSF）的基于区间的时间序列分类器。这些分类器将利用多元时间序列数据，用于构建无耀斑耀斑预测系统。本文中，我们展示了数据收集、预测模型构建与评估过程，并使用基准数据集将时间序列分类模型与基线进行比较。结果表明，时间序列分类器在技能分数、精度与召回指标方面提供了更好的预测结果，且可通过调优模型超参数进一步改进以实现更精确的无耀斑预报。
引用
@article{arxiv.2105.01202,
title = {All-Clear Flare Prediction Using Interval-based Time Series Classifiers},
author = {Anli Ji and Berkay Aydin and Manolis K. Georgoulis and Rafal Angryk},
journal= {arXiv preprint arXiv:2105.01202},
year = {2021}
}