FLARE-SSM：基于影响平衡损失的深度状态空间模型用于72小时太阳耀斑预测
计算机视觉与模式识别
2025-09-15 v1 太阳与恒星天体物理
摘要
准确可靠的太阳耀斑预测对于减轻对关键基础设施的潜在影响至关重要。然而，目前太阳耀斑预测的性能仍然不足。在本研究中，我们处理了预测未来72小时内可能发生的最大太阳耀斑类别的任务。现有方法往往未能充分解决耀斑类别之间严重的类别不平衡问题。为了解决这个问题，我们提出了一种基于多个深度状态空间模型的太阳耀斑预测模型。此外，我们引入了频率与局部边界感知可靠性损失（FLARE损失），以提高类别不平衡下的预测性能和可靠性。实验在覆盖完整11年太阳活动周期的多波长太阳图像数据集上进行。结果表明，在Gandin-Murphy-Gerrity分数和真实技能统计这两个性能和可靠性的标准指标方面，我们的方法均优于基线方法。
引用
@article{arxiv.2509.09988,
title = {FLARE-SSM: Deep State Space Models with Influence-Balanced Loss for 72-Hour Solar Flare Prediction},
author = {Yusuke Takagi and Shunya Nagashima and Komei Sugiura},
journal= {arXiv preprint arXiv:2509.09988},
year = {2025}
}
备注
Accepted for presentation at ICONIP2025