使用机器学习方法预报太阳耀斑是否伴随CME和SEP
太阳与恒星天体物理
2018-07-25 v1
摘要
在太阳上观测到的爆发活动现象中，对技术最具威胁性的是伴随日冕物质抛射（CMEs）和太阳高能粒子（SEPs）的耀斑。伴随CMEs和SEPs的耀斑由太阳磁活动区（ARs）中的磁流体动力学过程产生。然而，这些活动区不仅产生伴随CMEs和SEPs的耀斑，也会导致未伴随任何其他事件的耀斑和CMEs。为了区分伴随CMEs和SEPs的耀斑与未伴随任何其他事件的耀斑和CMEs，我们研究了两种机器学习算法的性能。为实现此目标，我们使用来自NASA空间天气中心通知、知识、信息空间天气数据库（DONKI）、《地球静止运行环境卫星》（GOES）以及空间天气日球层和磁成像仪活动区补丁（SHARPs）的数据，采用支持向量机（SVMs）和多层感知机（MLPs）。我们表明，SVMs计算的真技能统计（TSS）和海德克技能分数（HSS）略优于MLPs。我们还表明，96小时的预报时间窗在预测耀斑是否伴随CMEs和SEPs方面提供最佳结果（TSS=0.92±0.09，HSS=0.92±0.08）。此外，在36小时预报窗口下，我们得到预测耀斑不伴随CMEs和SEPs的最大TSS和HSS值为0.91±0.06，而108小时预报窗口给出了预测CMEs不伴随任何事件的最大TSS和HSS值（TSS=HSS=0.98±0.02）。
引用
@article{arxiv.1806.07117,
title = {Using Machine Learning Methods to Forecast If Solar Flares Will Be Associated with CMEs and SEPs},
author = {Fadil Inceoglu and Jacob H. Jeppesen and Peter Kongstad and Nestor J. Hernandez Marcano and Rune H. Jacobsen and Christoffer Karoff},
journal= {arXiv preprint arXiv:1806.07117},
year = {2018}
}