利用形状数学进行太阳磁爆发预测
太阳与恒星天体物理
2020-06-02 v1 天体物理仪器与方法
摘要
当前太阳爆发的业务预报由人类专家使用基于形状的定性分类系统与关于耀斑频率的历史数据相结合来做出。在过去十年中，人们对构建机器学习（ML）耀斑预测方法以从训练集中提取潜在模式（例如一组太阳磁图图像，每幅图像由磁场导出的特征刻画，并标注是否为爆发前兆）产生了浓厚兴趣。这些由各种方法（神经网络、支持向量机等）捕获的模式，随后可用于对新图像进行分类。任何 ML 方法的一大挑战在于数据的特征化（featurization）：对原始图像进行预处理以提取更高层次属性（如磁场特征），从而简化这些方法的训练与使用。从当前任务的角度看，选择具信息量的特征至关重要。迄今为止，大多数基于 ML 的太阳爆发方法使用了基于物理的磁场与电场特征，如总无符号磁通量、场梯度、垂直电流密度等。在本文中，我们将相关特征集扩展至包含纯粹基于二维磁图图像几何与拓扑的磁场特征，并表明这提升了基于神经网络的耀斑预测方法的预测精度。
引用
@article{arxiv.2003.05827,
title = {Leveraging the Mathematics of Shape for Solar Magnetic Eruption Prediction},
author = {V. Deshmukh and T. E. Berger and E. Bradley and J. D. Meiss},
journal= {arXiv preprint arXiv:2003.05827},
year = {2020}
}