神经网络增强的传统王-希利-阿尔根太阳风关系模型
太阳与恒星天体物理
2025-10-28 v2 空间物理
摘要
王-希利-阿尔根 (WSA) 模型是 operational 太阳风预测的基石已有近二十年，得益于其简单性和基于物理的形式化建模。然而，其性能严重依赖于几个经验参数，这些参数通常固定或手动调谐，限制了其在不同太阳条件下的适应性。在本研究中，我们提出了对 WSA 框架的神经网络增强方案（称为 WSA+），通过可微物理约束管道系统，对 WSA 太阳风速度关系中的经验参数进行系统性优化，使用现场观测数据实现参数自适应。该方法包含两个阶段：首先，神经优化器针对每个卡森转rotation独立调整WSA参数，以更好地匹配观测到的太阳风数据；其次，神经网络从磁图提取特征，直接学习预测这些优化后的速度图。这使得优化过程具有可 generalization，并能在无需手动调谐的情况下推断新的太阳条件。开发的 WSA+ 保留了原始关系的可解释性，同时在多个性能指标上（包括相关性和误差统计）均显著改善了与 OMNI 现场数据之间的匹配程度。在低和高太阳活动周期中，WSA+ 均一致优于传统 WSA 关系，平均性能提升约为40%。通过将数据驱动学习与物理约束相结合，WSA+ 提供了一种稳健且适应性强的增强方案，立即可作为全球天体物理建模管道中的即插即用替换方案。
引用
@article{arxiv.2509.06181,
title = {Neural Enhancement of the Traditional Wang-Sheeley-Arge Solar Wind Relation},
author = {Prateek Mayank and Enrico Camporeale and Arpit K. Shrivastav and Thomas E. Berger and Charles N. Arge},
journal= {arXiv preprint arXiv:2509.06181},
year = {2025}
}
备注
Accepted of publication in ApJL. 10 pages, 7 figures. Associated dataset, codes and Python package are available