基于贝叶斯深度学习方法和不确定性量化的 SYM-H 指数预测

研究人员提出了一种新的深度学习框架SYMHnet，用于预测SYM-H指数。该框架利用图神经网络和双向长短期记忆网络来学习太阳风和行星际磁场参数的模式。实验结果显示，SYMHnet在不同情况下表现良好，并且比其他机器学习方法更准确。此外，SYMHnet还可以量化数据和模型的不确定性。