利用SDO/HMI矢量磁数据产品与双向LSTM网络预测太阳高能粒子

太阳高能粒子（SEPs）是空间辐射的重要来源，对空间中的人类、航天器及广义上的技术构成危害。本文提出一种深度学习方法，具体为双向长短期记忆（biLSTM）网络，用于预测活动区（AR）是否会产生SEP事件，给定条件为：(i) 该AR将产生M级或X级耀斑以及与该耀斑相关的日冕物质抛射（CME），或 (ii) 该AR将产生M级或X级耀斑，无论该耀斑是否与CME相关。本研究使用的数据样本采集自国家环境信息中心提供的地球静止运行环境卫星X射线耀斑目录。我们选取2010至2021年间目录中已识别AR的M级和X级耀斑，并在同期的空间天气通知、知识、信息数据库中查找耀斑、CME与SEP的关联。每个数据样本包含从太阳动力学观测台搭载的日震与磁成像仪采集的物理参数。基于不同性能度量的实验结果表明，对所研究的两种SEP预测任务，所提biLSTM网络优于相关机器学习算法。我们还讨论了该方法在概率预报及经验校准方面的扩展。