H-α 异常检测器：用于太阳 H-α 观测的可解释异常检测
机器学习
2025-09-19 v1 天体物理仪器与方法
太阳与恒星天体物理
摘要
众多太空站和地面观测站提供了前所未有的大量数据，这些数据只能通过先进的计算算法进行规模化处理。因此，确保输入机器学习（ML）模型的数据质量至关重要。GONG 网络的 H 观测代表了这样一种数据流，自 2010 年以来持续产生每分钟多个观测，24/7 运行。本研究引入一种轻量级（非 ML）异常检测算法，称为 H-Alpha Anomalyzer，旨在基于用户定义的准则识别异常观测。与许多黑箱算法不同，我们的方法明确指出哪些区域触发了异常标记，并量化相应的异常概率。为了进行比较分析，我们还创建并公开了包含 2000 条观测的数据集，其中一半为异常情况，另一半为非异常情况。我们的结果表明，所提出的模型不仅超越现有方法，还提供了可解释性，使领域专家能够进行定性评估。
引用
@article{arxiv.2509.14472,
title = {H-Alpha Anomalyzer: An Explainable Anomaly Detector for Solar H-Alpha Observations},
author = {Mahsa Khazaei and Azim Ahmadzadeh and Alexei Pevtsov and Luca Bertello and Alexander Pevtsov},
journal= {arXiv preprint arXiv:2509.14472},
year = {2025}
}