一种黑子特征自动提取的太阳耀斑模型

作者：李蓉^*; 黄鑫

来源：中国科学:物理学 力学 天文学 , 2018, 48(11): 81-86.

• 太阳耀斑
• 太阳黑子
• 卷积神经网络
• 自动特征提取

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48 h M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.

• 单位
  中国科学院国家天文台; 北京物资学院