利用 SDO/HMI 矢量磁场数据与机器学习算法预测太阳耀斑
太阳与恒星天体物理
2015-01-09 v1
摘要
我们尝试利用一种名为支持向量机 (SVM) 的机器学习算法，以及来自太阳动力学天文台 (SDO) 的日震和磁成像仪 (HMI) 的四年数据，来预测 M 级和 X 级太阳耀斑；HMI 是首个从太空连续绘制全日面光球层矢量磁场的仪器。文献中描述的大多数耀斑预测工作要么使用视线磁图，要么使用数量相对较少的地基矢量磁图。这是首次利用大规模矢量磁图数据集来预测太阳耀斑。我们从一个包含 2,071 个活动区的数据库中采样，构建了耀斑和非耀斑活动区的目录，该目录由 150 万个矢量磁场数据的活动区斑块组成，并用 25 个参数表征每个活动区。随后，我们训练并测试了该机器学习算法，并利用预报验证指标评估其性能，重点关注真实技能统计量 (TSS)。我们获得了相对较高的 TSS 分数和整体预测能力。我们推测，这部分归因于为此目的对 SVM 进行了微调，同时也归因于仅能从矢量磁场数据计算得出的一组有利特征。我们还应用了特征选择算法来确定我们 25 个特征中哪些有助于区分耀斑和非耀斑活动区，并得出结论：仅需少数几个特征即可获得良好的预测能力。
引用
@article{arxiv.1411.1405,
title = {Solar Flare Prediction Using SDO/HMI Vector Magnetic Field Data with a Machine-Learning Algorithm},
author = {Monica G. Bobra and Sebastien Couvidat},
journal= {arXiv preprint arXiv:1411.1405},
year = {2015}
}
备注
Accepted for publication in the Astrophysical Journal