利用机器学习回归算法预测高能质子通量
太阳与恒星天体物理
2024-06-19 v1 天体物理仪器与方法
机器学习
空间物理
摘要
过去二十年间，对于太空天气危害的实时监测和警报系统的需求显著增长。预测太阳质子事件（SPE）是空间任务运营和规划最重要的挑战之一。在此背景下，人工智能和机器学习技术开辟了新的前沿，为统计预测算法提供了新范式。大多数模型旨在预测 SPE 的发生，即基于分类方法。在本工作中，我们提出了一个简单且高效的机器学习回归算法，能够在仅利用电子通量特征的前提下，对高能质子通量进行 1 小时 ahead 的预测。该方法对于改进深空和近地环境中的辐射风险监测系统具有帮助。对于当太阳风特征和源位置在实时不可用的太空任务（尤其是火星距离）的任务运营和规划，此模型尤其重要。
引用
@article{arxiv.2406.12730,
title = {Predicting the energetic proton flux with a machine learning regression algorithm},
author = {Mirko Stumpo and Monica Laurenza and Simone Benella and Maria Federica Marcucci},
journal= {arXiv preprint arXiv:2406.12730},
year = {2024}
}