利用全日面 SoHO 图像对 Dst 暴进行提前一天的概率预报

我们提出一个新模型，用于预报扰动暴时（Dst）指数超过 -100 nT 的概率，其提前量为 1 至 3 天。$Dst$ 提供了关于由太阳风质子和电子引起的地球环电流强度的重要信息，并常被用作地磁暴的代理指标。该模型使用一组卷积神经网络（CNNs）集成开发，这些网络利用 SoHO 图像（MDI、EIT 和 LASCO）进行训练。SoHO 图像与太阳风之间的关系已被许多研究者探讨，但这些研究未明确考虑使用 SoHO 图像预报 $Dst$ 指数。本工作提出了一种新方法，通过使用定制的类平衡均方误差（CB-MSE）损失函数结合基于最小二乘（LS）的集成，迭代地训练各个模型并学习最优集成权重。所提模型可提前 24 小时预报 Dst<-100 nT 的概率，其真技能统计（TSS）为 0.62，马修斯相关系数（MCC）为 0.37。Guastavino 等人（2021）的加权 TSS 和 MCC 分别为 0.68 和 0.47。我们还进行了非地球定向 CME 时期的额外验证，取得了良好的 TSS 和 MCC 分数。