利用光球和日冕图像数据预测耀斑
太阳与恒星天体物理
2018-03-14 v1 计算机视觉与模式识别
摘要
触发太阳耀斑的精确物理过程目前尚不清楚。本文尝试从不同波长的太阳图像数据中捕捉该机制的信号，并利用这些信号预测耀斑活动。为此，我们开发了一种算法，该算法[1] 自动从太阳动力学天文台在 2010 年 5 月至 2014 年 5 月期间拍摄的太阳光球、色球、过渡区和日冕的 5.5 TB 图像数据中生成特征，[2] 将这些特征与基于耀斑历史和关于可能的耀斑过程的物理理解的其他特征相结合，[3] 对这些特征进行分类，以预测一个太阳活动区是否会在 小时内发生耀斑，其中 = 2 和 24。我们发现，当以真实技巧评分（TSS）为优化目标时，光球矢量磁场数据与耀斑历史相结合的性能最佳；而当以精确率-召回率曲线下面积为优化目标时，所有数据都有帮助。我们的模型性能在 = 2 和 24 小时情况下分别给出了 和 的 TSS，以及 和 的精确率-召回率曲线下面积。这些相对较高的分数与文献中报道的其他太阳耀斑预测尝试相似，但并未超越。鉴于文献中报道的各类模型算法性能相近，我们得出结论：使用这些数据可以预期达到一定的基线预测能力。这是首次尝试同时利用光球矢量磁场数据以及来自色球、过渡区和日冕的多波长图像数据来预测太阳耀斑。
引用
@article{arxiv.1708.01323,
title = {Flare Prediction Using Photospheric and Coronal Image Data},
author = {Eric Jonas and Monica G. Bobra and Vaishaal Shankar and J. Todd Hoeksema and Benjamin Recht},
journal= {arXiv preprint arXiv:1708.01323},
year = {2018}
}
备注
submitted for publication in the Astrophysical Journal