极度不平衡的多变量时间序列数据中的对比表示学习预测太阳耀斑
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了从太阳活动区磁场数据中有效预测主要太阳耀斑的问题，尤其是在面临极度类别不平衡的情况下。我们提出了一种新颖的对比表示学习方法CONTREX，利用动态特征提取和对比重建损失，显著提升了时间序列特征的捕捉能力与判别力。我们的实验结果表明，该方法在太阳耀斑预测上具有良好的表现。
该研究利用深度学习预测太阳高纬度耀斑，通过训练全盘磁图模型预测未来24小时内的≥M级耀斑。采用数据增强和类别加权技术处理数据不平衡，使用TSS和HSS评估性能，结果显示模型平均TSS为0.51，HSS为0.35，能有效预测高纬度耀斑。模型通过分析活跃区形状和纹理特征进行预测，对实际应用有重要意义。
