有监督耀斑预报研究的实现范式：一种基于视频数据的深度学习应用
太阳与恒星天体物理
2022-06-29 v1 数值分析
数值分析
摘要
太阳耀斑预报可通过人工智能技术对磁数据进行数据分析实现。其目标是预测某一磁活动区（AR）是否会在特定时间内产生高于某一等级的太阳耀斑。一个关键问题在于所采用机器学习方法的实现方式，因为预报结果强烈依赖于训练、验证与测试集的填充准则。本文提出一种通用范式来生成这些集合，使它们彼此独立且在 AR 耀斑活动性方面内部良好平衡。该集合生成过程为机器学习算法性能评估提供了比较基础。最后，我们在深度神经网络案例中应用此实现范式，其输入为太阳动力学天文台（SDO/HMI）上日震与磁成像仪记录的磁图视频。据我们所知，这是首次通过用于视频分类的深度神经网络处理太阳耀斑预报问题，且无需从 HMI 磁图任何先验特征提取。
引用
@article{arxiv.2110.12554,
title = {Implementation paradigm for supervised flare forecasting studies: a deep learning application with video data},
author = {Sabrina Guastavino and Francesco Marchetti and Federico Benvenuto and Cristina Campi and Michele Piana},
journal= {arXiv preprint arXiv:2110.12554},
year = {2022}
}