基于 CNN 的深度学习在太阳风预报中的应用
太阳与恒星天体物理
2021-09-15 v1 天体物理仪器与方法
空间物理
摘要
本文实现了一种基于卷积神经网络（CNN）的深度学习模型用于太阳风预测。训练采用大气成像组件（AIA）在 193 Å 波长的图像。太阳风速度取自位于拉格朗日 L1 点的先进成分探测器（ACE）。所提 CNN 架构从零设计，以四年数据训练。假设传播期间速度恒定，将太阳风按弹道轨迹回溯至太阳，从而获取 AIA 图像中对应的日冕强度数据。该预报方案对 2018 年太阳风速度预测良好，RMSE 为 76.3 km/s，总体相关系数为 0.57，同时显著优于基准模型。模型在识别零误报 HSEs 时的威胁分数约为 0.46。
引用
@article{arxiv.2108.09114,
title = {CNN-Based Deep Learning in Solar Wind Forecasting},
author = {Hemapriya Raju and Saurabh Das},
journal= {arXiv preprint arXiv:2108.09114},
year = {2021}
}
备注
21 pages,13 figures. Accepted for publication in Solar Physics. After published, it will be available at https://www.springer.com/journal/11207