用于CME到达时间预测的集成学习
太阳与恒星天体物理
2023-05-02 v1 天体物理仪器与方法
机器学习
空间物理
摘要
太阳持续向日球层释放辐射与等离子体。太阳偶发性地爆发太阳耀斑与日冕物质抛射（CMEs）等太阳喷发活动。CME携带着大量质量与磁通量。朝向地球的CME可对人类系统造成严重后果，破坏电网/管道、卫星与通信。因此，准确监测与预测CME对最小化人类系统损失至关重要。本研究提出一种称为CMETNet的集成学习方法，用于预测CME从太阳到地球的到达时间。我们收集并整合了1996至2021年两个太阳活动周（#23与#24）共363个地效CME的爆发事件。用于预测的数据包括CME特征、太阳风参数及由SOHO/LASCO C2日冕仪获取的CME图像。我们的集成学习框架包含用于数值数据分析的回归算法与用于图像处理的卷积神经网络。实验结果显示，CMETNet优于文献中已有机器学习方法，皮尔逊积矩相关系数为0.83，平均绝对误差为9.75小时。
引用
@article{arxiv.2305.00258,
title = {Ensemble Learning for CME Arrival Time Prediction},
author = {Khalid A. Alobaid and Jason T. L. Wang},
journal= {arXiv preprint arXiv:2305.00258},
year = {2023}
}
备注
13 pages, 8 figures