BriefGPT - AI 论文速递
·
深度学习模型高效标注太阳辐射演变视频
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文利用机器学习预测太阳耀斑，使用历史磁光图数据进行预测。通过卷积神经网络提取特征，并结合逻辑回归模型融合磁光图和耀斑历史的标量特征，生成24小时内M级或更强耀斑的校准概率预测。结果显示历史数据提高了预测准确性和可靠性，耀斑历史的预测能力大于从CNN中提取的特征，表明时间信息在耀斑预测模型中的重要性。
🎯
关键要点
-
使用机器学习进行太阳耀斑预测，聚焦于太阳周期24和25的高分辨率磁光图数据。
-
首次利用超过4个太阳周期的历史磁光图数据进行基于机器学习的耀斑预测。
-
应用卷积神经网络从全盘磁光图中提取特征，并结合逻辑回归模型融合特征。
-
采用集成方法生成24小时内M级或更强耀斑的校准概率预测。
-
包含历史数据提高了预测的准确性和可靠性。
-
耀斑历史的预测能力大于从卷积神经网络中提取的特征，强调时间信息的重要性。
➡️
