基于深度耀斑网络(Deep Flare Net)的业务化太阳耀斑预报模型
摘要
我们开发了一种使用深度神经网络、名为深度耀斑网络(Deep Flare Net, DeFN)的业务化太阳耀斑预报模型。DeFN 可对观测后未来 24 小时内发生的两类太阳耀斑(如 >=M 级与 <M 级事件,或 >=C 级与 <C 级事件)以及未来 24 小时内发生耀斑的最大级别发布概率预报。DeFN 设定为每 6 小时运行一次,自 2019 年 1 月起已投入业务运行。由斯坦福大学联合科学运行中心(Joint Science Operations Center, JSOC)运营的数据存档下载的、由太阳动力学天文台(Solar Dynamic Observatory, SDO)拍摄的太阳观测图像输入数据库。活动区由磁图自动检测,并利用多波段观测数据近乎实时地从每个区域提取 79 个特征。将耀斑标签附加到特征数据库,随后对数据库进行标准化处理并输入 DeFN 进行预报。DeFN 使用 2010 年至 2015 年获取的数据集进行了预训练。该模型以真技巧统计(true skill statistics, TSS)的技巧分数评估,对 >=M 级耀斑取得 TSS = 0.80、对 >=C 级耀斑取得 TSS = 0.63 的预报结果。作为对比,我们评估了 2019 年 1 月至 2020 年 6 月的业务化预报结果。我们发现,在概率阈值为 50(40)% 时,业务化 DeFN 预报对 >=C 级耀斑取得 TSS = 0.70(0.84),尽管该期间 M 级耀斑极少,且我们应持续更长时间监测结果。此处我们采用时间顺序划分将数据库分为训练与测试两部分。时间顺序划分似乎适用于业务化模型的评估。此外,我们提出使用时间序列交叉验证。该程序使用 2010 年至 2017 年获取的数据集,对 >=M 级耀斑取得 TSS = 0.70、对 >=C 级耀斑取得 TSS = 0.59。
引用
@article{arxiv.2112.00977,
title = {Operational solar flare prediction model using Deep Flare Net},
author = {Naoto Nishizuka and Yuki Kubo and Komei Sugiura and Mitsue Den and Mamoru Ishii},
journal= {arXiv preprint arXiv:2112.00977},
year = {2021}
}
备注
12 pages, 4 figures, 4 tables, online published in EPS