BriefGPT - AI 论文速递
·
利用残差网络和 HMI 磁图和强度图进行极端太阳耀斑预测
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该研究使用深度学习方法预测太阳耀斑，特别关注纬度较高的耀斑。研究发现，模型能够有效预测纬度较高的太阳耀斑，并利用全盘磁图图像中与活跃区相关的形状和纹理特征进行预测。这对于运营预测具有重大意义。
🎯
关键要点
- 该研究利用深度学习方法预测太阳耀斑，特别关注纬度较高的耀斑。
- 模型通过训练全盘磁图图像的小时级别线状物进行耀斑预测。
- 采用二进制预测模式，预测在随后24小时内可能发生的≥M级耀斑。
- 使用数据增强和类别加权技术处理类别不平衡。
- 评估模型性能采用真实技能统计指数（TSS）和Heidke技能得分（HSS）。
- 研究发现模型与活跃区特征相关，取得平均TSS=0.51和HSS=0.35的结果。
- 模型能够有效预测纬度较高的太阳耀斑，具有重要的运营预测意义。
- 模型解释的定性分析表明，利用全盘磁图图像中的形状和纹理特征进行预测。
➡️
