耀斑与非耀斑活动区的区分：机器学习视角

大规模太阳爆发显著影响空间天气并破坏天基人类基础设施。有必要预测大规模太阳爆发，这将使我们能够保护现代社会的脆弱基础设施。我们旨在研究耀斑活动区与非耀斑活动区之间的差异。我们使用来自太阳动力学天文台（Solar Dynamic Observatory）日震磁像仪（Helioseismic Magnetic Imager）的光球矢量磁图数据，研究太阳表面光球磁参数的时间演化。我们建立了一个 2010 年至 2017 年观测到的太阳表面耀斑与非耀斑活动区的数据库。我们通过这些活动区参数的时间演化来训练机器学习算法。最后，我们估计了该机器学习算法所获得的性能。我们发现，在耀斑活动区中，某些磁参数的强度（即总无符号磁通量、总无符号磁螺度、总无符号垂直电流和总光球磁能密度）远高于非耀斑活动区。这些磁参数在耀斑活动区中演化剧烈且复杂。我们能够以相对较高的真技能统计量（true skill statistic, TSS）值获得良好的预报能力。我们还发现，总无符号磁螺度和总无符号磁通量的时间演化具有非常高的区分耀斑与非耀斑活动区的能力。可以以良好的准确度将耀斑活动区与非耀斑活动区区分开来。我们确认，不存在单一公共参数可以区分所有耀斑活动区与非耀斑活动区。然而，前几个磁参数（即总无符号磁通量和总无符号磁螺度）的时间演化具有非常高的区分能力。