太阳背面活动区神经网络的探测性能
太阳与恒星天体物理
2021-08-25 v1
摘要
背景。背面日震学是一种基于近半球测量的振荡解释来推断太阳远半球活动区存在的技术。近来已开发了一种神经网络，以提高地震图对背面活动区存在的灵敏度。目的。我们的目的是评估这种新神经网络方法的性能，并将其与通常用于从地震测量预测背面活动区的标准方法进行全面比较。方法。我们利用该神经网络与标准方法，基于五年背面地震图、作为探测特征中所选阈值的函数，计算了活动区的预测，并将结果与由太阳 terrestrial 关系观测台（STEREO）获取的远半球直接极紫外观测进行了比较。结果。我们确认了神经网络对背面活动区存在的灵敏度提升。标准方法以先前分析常用阈值以上强度识别的活动区中，约 96% 与增强的极紫外辐射位置相关。对于该阈值，假阳性率为 3.75%。在等效假阳性率下，神经网络多产生 47% 的真实探测。通过放宽其地震特征中的阈值，可探测更弱的活动区。结论。神经网络是一种有望改进局部日震技术所提供地震图解释的方法。
引用
@article{arxiv.2106.09365,
title = {Performance of solar far-side active regions neural detection},
author = {E. G. Broock and T. Felipe and A. Asensio Ramos},
journal= {arXiv preprint arXiv:2106.09365},
year = {2021}
}
备注
Accepted for publication in Astronomy and Astrophysics. Abridged abstract