基于机器学习的太阳质子事件预测：与业务预报及“无事件”视角的比较
太阳与恒星天体物理
2021-07-14 v2
摘要
太阳高能粒子事件（SEPs）是太阳活动中最危险的瞬变现象之一。作为有害辐射，SEPs 可能影响外太空宇航员的身体健康，并对当前及未来的空间探索产生不利影响。本文考虑基于太阳活动区（ARs）磁场特征、前驱软 X 射线与质子通量以及太阳射电暴统计的太阳质子事件（SPEs）逐日预测问题。该机器学习（ML）算法采用为全太阳输入设计的定制架构人工神经网络。将 ML 模型的预测与 SWPC NOAA 的 SPEs 业务预报进行比较。我们的初步结果表明：1）对于基于 AR 的预测，有必要考虑位于太阳西缘及背面的 ARs；2）前驱质子通量特征代表了最具价值的预测输入；3）ARs 的逐日中位特征以及 II、III 和 IV 型射电暴计数可在不损失性能的情况下从预报中剔除；4）在漏报 SPE 事件极不可取的情形下，基于 ML 的预报优于 SWPC NOAA 预报。所引入的方法表明，利用机器学习方法开发稳健的“无事件”SPE 预报是可能的。
引用
@article{arxiv.2107.03911,
title = {Prediction of Solar Proton Events with Machine Learning: Comparison with Operational Forecasts and "All-Clear" Perspectives},
author = {Viacheslav Sadykov and Alexander Kosovichev and Irina Kitiashvili and Vincent Oria and Gelu M Nita and Egor Illarionov and Patrick O'Keefe and Yucheng Jiang and Sheldon Fereira and Aatiya Ali},
journal= {arXiv preprint arXiv:2107.03911},
year = {2021}
}
备注
22 pages, 8 figures, 4 tables