利用 SDO/HMI 图像与 SHARP 参数时间序列识别太阳耀斑前兆
太阳与恒星天体物理
2020-01-08 v3
摘要
本文提出若干构建太阳耀斑事件前兆的方法，这些方法在早期预报方面展现出良好前景。我们建立数据预处理流水线，从多个数据源——地球静止运行环境卫星(GOES)与太阳动力学天文台(SDO)/日震与磁成像仪(HMI)——提取有用数据，为机器学习算法准备输入。给出两类分类模型：活动区宁静时段的耀斑分类，以及强与弱耀斑事件的分类。我们采用深度学习算法从 HMI 磁图数据捕获空间与时间信息。利用深度学习和统计算法对原始磁图数据进行有效的特征提取与特征选择，使我们能够训练分类模型，取得几乎与使用 HMI/空间天气 HMI 活动区斑块(SHARP)数据文件所提供的活动区参数同样好的性能。案例研究显示，在强太阳耀斑事件前约 20 小时预测得分显著上升。
引用
@article{arxiv.1904.00125,
title = {Identifying Solar Flare Precursors Using Time Series of SDO/HMI Images and SHARP Parameters},
author = {Yang Chen and Ward B. Manchester and Alfred O. Hero and Gabor Toth and Benoit DuFumier and Tian Zhou and Xiantong Wang and Haonan Zhu and Zeyu Sun and Tamas I. Gombosi},
journal= {arXiv preprint arXiv:1904.00125},
year = {2020}
}