一种黑子特征自动提取的太阳耀斑模型
太阳耀斑是最剧烈的太阳爆发之一,太阳耀斑能够在几分钟内对空间环境产生影响,为了更好地应对太阳耀斑爆发的空间环境效应,本文提出一种基于自动特征提取方法的太阳耀斑预报模型.该模型以太阳黑子的连续谱观测图像为输入,利用卷积神经网络的自动图像特征提取能力,建立太阳耀斑预报模型.传统的以太阳黑子特征为输入的耀斑模型需要以黑子的McIntosh分型作为输入,黑子的McIntosh分型需要人为指定,效率低并且具有一定的主观性.通过实验比较,本文提出的耀斑预报模型比传统的以太阳黑子McIntosh分型为基础的预报模型具有更好的预报准确度.总之,本文提出的太阳耀斑预报模型能够自动提取太阳黑子图像的特征,具有更高的预报效率和准确率(在48hM级耀斑预报中,基于深度学习方法的预报模型在耀斑报准率上比传统预报模型高3.7％,在非耀斑报准率上比传统预报模型高2.8％),是一种实用性较强的太阳耀斑预报模型.
太阳耀斑、太阳黑子、卷积神经网络、自动特征提取
48
北京市智能物流系统协同创新中心、“智能物流系统北京市重点实验室”、2017北京人才培养质量建设-专业建设群PXM2017_014214_000010;国家自然科学基金11303051
2018-11-15（万方平台首次上网日期，不代表论文的发表时间）
共6页
80-85
