基于机器学习模型的太阳耀斑强度预测
太阳与恒星天体物理
2020-08-26 v2
摘要
我们开发了一种混合长短期记忆（LSTM）回归模型，利用日震与磁成像仪（HMI）活动区斑块（HARP）各6、12、24和48小时的数据（预测因子），分别提前0∼24、6∼30、12∼36和24∼48小时预测24小时时间窗内的最大太阳耀斑强度。该模型使用（1）空间天气HMI活动区斑块（SHARP）参数作为预测因子，以及（2）地球静止运行环境卫星（GOES）数据集中记录的精确耀斑强度而非类别标签作为响应变量来源。与太阳耀斑分类相比，该模型为我们提供了关于每次耀斑发生确切最大通量水平即强度的更详细信息。我们还考虑了基于该回归模型构建的分类模型，并在太阳耀斑分类中取得了更好的结果。我们的结果表明，使用SHARP参数和LSTM模型，预测太阳活动最高效的时间段是在预测时间前24小时内。
引用
@article{arxiv.1912.06120,
title = {Solar Flare Intensity Prediction with Machine Learning Models},
author = {Zhenbang Jiao and Hu Sun and Xiantong Wang and Ward Manchester and Tamas Gombosi and Alfred Hero and Yang Chen},
journal= {arXiv preprint arXiv:1912.06120},
year = {2020}
}
备注
28 pages, 15 figures