用双向长短期记忆神经网络预报太阳高能质子积分通量
太阳与恒星天体物理
2023-10-19 v1 天体物理仪器与方法
空间物理
摘要
太阳高能粒子主要为质子，起源于太阳耀斑或日冕激波期间。预报太阳高能质子（SEP）通量对通信与导航系统、空间探测任务及航空飞行等多个业务领域至关重要，因为有害辐射可能危及宇航员、航空机组与乘客的健康，以及卫星、空间站和地面电站的精密电子部件。因此，SEP 通量的预测对我们的生活高度重要，并有助于减轻这一严重空间天气瞬变现象对近地空间环境的负面影响。众多 SEP 预测模型正以多种方法开发，如经验模型、概率模型、基于物理的模型和基于 AI 的模型。本工作中，我们使用双向长短期记忆（BiLSTM）神经网络模型架构，基于 1976 至 2019 年 OMNIWeb 数据库获取的日数据，为 3 个标准积分 GOES 通道（>10 MeV、>30 MeV 和 >60 MeV）训练具有 3 个预报窗口（提前 1 天、2 天和 3 天）的 SEP 预报模型。由于 SEP 变率受太阳周期调制，我们选取能捕捉太阳活动短期（通常数小时跨度）与长期（通常数天跨度）涨落的输入参数。我们取 F10.7 指数、太阳黑子数、X 射线通量对数时间序列、太阳风速度和行星际磁场平均强度作为模型输入参数。结果通过样本外测试集验证，并与其他类型模型进行基准比较。
引用
@article{arxiv.2309.11636,
title = {Forecasting Solar Energetic Proton Integral Fluxes with Bi-Directional Long Short-Term Memory Neural Networks},
author = {Mohamed Nedal and Kamen Kozarev and Nestor Arsenov and Peijin Zhang},
journal= {arXiv preprint arXiv:2309.11636},
year = {2023}
}
备注
32 pages, 12 figures, and 4 tables