BriefGPT - AI 论文速递
·
利用历史磁谱数据的概率性太阳耀斑预测
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
本研究使用机器学习预测太阳耀斑，通过卷积神经网络提取特征，使用超过4个太阳周期的历史磁光图数据。结果显示，包含历史数据可以提高预测准确性和可靠性，耀斑历史的预测能力大于从磁光图中提取的特征，时间信息在耀斑预测中很重要。
🎯
关键要点
-
本研究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进行融合。
-
采用集成方法生成未来24小时内M级或更强耀斑的校准概率预测。
-
包含历史数据显著提高了预测的准确性和可靠性。
-
单帧磁光图中包含的信息不如少量标量特征所能概括的多，耀斑历史的预测能力更强。
-
强调在耀斑预测模型中包含时间信息的重要性。
➡️
