利用SDO/HMI矢量磁场数据产品与循环神经网络预测日冕物质抛射
太阳与恒星天体物理
2020-02-26 v1 机器学习
摘要
我们提出了两个循环神经网络(RNNs)，一个基于门控循环单元，另一个基于长短期记忆，用于预测产生M级或X级耀斑的活动区(AR)是否也会产生日冕物质抛射(CME)。我们将活动区中的数据样本建模为时间序列，并使用RNNs捕捉数据样本的时间信息。每个数据样本具有18个物理参数（或特征），这些参数源自太阳动力学天文台(SDO)上搭载的日震与磁成像仪(HMI)所获取的色球层矢量磁场数据。我们利用国家环境信息中心(NCEI)提供的地球静止运行环境卫星X射线耀斑目录，调查了2010年5月至2019年5月发生的M级和X级耀斑，并选取那些在NCEI目录中有明确活动区的耀斑。此外，我们从空间天气通知、知识、信息数据库(DONKI)中提取耀斑与CME的关联。我们利用上述信息为手头的数据样本构建标签（正类与负类）。实验结果表明，我们的RNNs在预测数据样本标签方面优于密切相关的机器学习方法。我们还讨论了将我们的方法扩展为预测M级或X级耀斑引发CME的概率估计，并取得了良好的性能结果。据我们所知，这是RNNs首次被用于CME预测。
引用
@article{arxiv.2002.10953,
title = {Predicting Coronal Mass Ejections Using SDO/HMI Vector Magnetic Data Products and Recurrent Neural Networks},
author = {Hao Liu and Chang Liu and Jason T. L. Wang and Haimin Wang},
journal= {arXiv preprint arXiv:2002.10953},
year = {2020}
}
备注
12 pages, 2 figures. arXiv admin note: text overlap with arXiv:1905.07095