使用 SDO/HMI 矢量磁场数据产品和 Transformer 模型预测 halo 太阳风暴质子事件
太阳与恒星天体物理
2025-03-06 v1 机器学习
摘要
我们提出了一个名为 DeepHalo 的 transformer 模型，用于预测 halo 太阳风暴质子事件（CMEs）。该模型以活动区（AR）和轮廓为输入，其中轮廓包含在 AR 中收集的每日数据样本的时间序列，这些样本在该天的开始之前收集，并预测该 AR 是否会在该天生产出 halo CME。每个数据样本包含来自太空信天翼（SDO）上赤道声学和磁力仪（HMI）所获取的 photosphere 矢量磁场数据的物理参数或特征。我们调查并匹配 CME 事件在太空气气候数据库（DONKI）和大角和光谱 coronagraph（LASCO）CME 目录中，并编译了一个包括 halo CME 和非 halo CME 关联 AR 的 CME 列表，时间范围为 2010 年 11 月至 2023 年 8 月。我们收集的上述信息用于构建数据样本和轮廓的标签（正 vs. 负），这些标签是机器学习所需的。实验结果表明，DeepHalo 的 true skill statistics（TSS）得分为 0.907，优于相关的长短期记忆网络，其 TSS 为 0.821。据我们了解，这是首次将 transformer 模型用于 halo CME 预测。
引用
@article{arxiv.2503.03237,
title = {Prediction of Halo Coronal Mass Ejections Using SDO/HMI Vector Magnetic Data Products and a Transformer Model},
author = {Hongyang Zhang and Ju Jing and Jason T. L. Wang and Haimin Wang and Yasser Abduallah and Yan Xu and Khalid A. Alobaid and Hameedullah Farooki and Vasyl Yurchyshyn},
journal= {arXiv preprint arXiv:2503.03237},
year = {2025}
}
备注
13 pages, 8 figures