太阳闪现预测：机器学习算法用于太阳闪现类别预测的比较分析
太阳与恒星天体物理
2025-05-07 v1 天体物理仪器与方法
机器学习
摘要
太阳闪现是太阳系中最强大且最动态的事件，源于太阳大气中存储的磁能的 sudden release。这些能量释放的电磁辐射冲击可达10^32埃，影响太空天气，并对技术基础设施构成风险，因此需要准确预测太阳闪现的发生与强度。本研究评估了三种机器学习算法（随机森林、k近邻(KNN)和极端梯度提升(XGBoost)）在将太阳闪现分类为4个类别（B、C、M、X）时的预测性能。利用13个SHARP参数数据集，评估了模型在二进制和多分类任务中的效果。分析采用8个主成分(PC)（解释方差95%）和100个PC（解释方差97.5%）的降维方法。我们的方法独特地将二进制和多分类与不同的降维水平结合起来，这种创新方法在太阳闪现预测的文献中尚未探索过。采用10折分层交叉验证和网格搜索进行超参数调优，确保了稳健的模型评估。我们的发现表明，随机森林和XGBoost在所有指标上均表现出色，且从更高的降维水平中受益显著。该研究的洞见通过优化降维技术并为天体物理任务选择模型，为未来研究提供了指导。将这些新获得的知识整合到未来研究中，可开发出更精确的太空天气预测系统，并加深对太阳物理学的理解。
引用
@article{arxiv.2505.03385,
title = {Solar Flare Forecast: A Comparative Analysis of Machine Learning Algorithms for Solar Flare Class Prediction},
author = {Julia Bringewald},
journal= {arXiv preprint arXiv:2505.03385},
year = {2025}
}