本文選題：太陽耀斑　切入點：太陽活動區(qū)　出處：《科學通報》2016年36期 　論文類型：期刊論文

【摘要】：在太陽耀斑預報模型中,首先需要從原始觀測數(shù)據(jù)中提取刻畫太陽活動區(qū)特性的物理特征參量,然后使用統(tǒng)計或機器學習方法尋找物理特征參量與太陽耀斑發(fā)生的關系,以達到建立太陽耀斑預報模型的目的.其中,太陽活動區(qū)物理特征的提取在整個建模過程中發(fā)揮著重要的作用,活動區(qū)物理特征的優(yōu)劣直接決定著預報模型性能的高低.然而,隨著機器學習技術的發(fā)展,機器學習方法中的深度學習算法能夠從原始數(shù)據(jù)中自動提取特征,并建立預報模型.本文利用深度學習方法建立了一個太陽耀斑預報模型.與先提取活動區(qū)物理參量、再建立預報模型的傳統(tǒng)機器學習方法相比較,本文所建立的預報模型具有更好的預報性能.
[Abstract]:In the solar flare prediction model, the physical characteristic parameters describing the characteristics of the solar active region should be extracted from the original observation data, and then the relationship between the physical characteristic parameters and the solar flares is found by using statistical or machine learning methods. In order to establish the solar flare prediction model, the extraction of the physical features of the solar active region plays an important role in the whole modeling process, and the physical characteristics of the active region directly determine the performance of the prediction model. With the development of machine learning technology, depth learning algorithms in machine learning methods can automatically extract features from raw data. In this paper, a solar flare prediction model is established by using the depth learning method. Compared with the traditional machine learning method, the physical parameters of the active region are extracted first and then the prediction model is established. The prediction model established in this paper has better prediction performance.
【作者單位】： 北京物資學院;中國科學院國家天文臺;中國科學院空間科學與應用研究中心;
【基金】：國家自然科學基金(11273031,11303051) 智能物流系統(tǒng)北京市重點實驗室項目(BZ0211) 北京市智能物流系統(tǒng)協(xié)同創(chuàng)新中心項目資助
【分類號】：P182.52

【相似文獻】

相關期刊論文 前10條

1 周允芬 ,李蘇川 ,李瓊英;云臺太陽耀斑資料的質量分析[J];云南天文臺臺刊;1979年04期

2 希;太陽耀斑[J];世界科學;1981年10期

3 葉宗海,陸晨,章公亮;太陽耀斑對大氣氣旋的擾動[J];空間科學學報;1984年03期

4 徐永煊;太陽耀斑硬X射線觀測[J];天文學進展;1987年01期

5 范大雄,周愛華,夏昌立;太陽耀斑的物理預報[J];天文學進展;1987年04期

6 方成;太陽耀斑研究的新進展(英)[J];天文學進展;1997年01期

7 于懷超;;絢爛的太陽耀斑[J];科學之友(上旬);2011年07期

8 ;2013年太陽將發(fā)射更多X級別的耀斑[J];科學大眾(中學生);2013年Z2期

9 魯潤寶;“冷聚變”與太陽耀斑[J];科學中國人;1997年Z1期

10 丁明德;太陽耀斑研究進展和展望[J];天文學進展;2001年02期

相關會議論文 前10條

1 劉萬通;;太陽耀斑引起的相位周期丟失[A];1992年中國地球物理學會第八屆學術年會論文集[C];1992年

2 譚寶林;;太陽微波爆發(fā)準周期脈動結構[A];中國天文學會2007年學術年會論文集[C];2007年

3 王家龍;;對太陽耀斑的觀測[A];新觀點新學說學術沙龍文集17：“冷聚變”爭論[C];2008年

4 黃澤榮;張冬婭;胡雄;張訓械;曾楨;李鳳琴;陳世敏;俞偉民;;中頻雷達對太陽耀斑電離層D區(qū)效應觀測[A];第十屆全國日地空間物理學術討論會論文摘要集[C];2003年

5 魯潤寶;;一種新物理過程和太陽耀斑放能機制[A];第九屆全國日地空間物理學術討論會論文摘要集[C];2000年

6 王蜀娟;;磁島二維塌縮的時標分析[A];數(shù)學·物理·力學·高新技術研究進展（一九九六·第六期）——中國數(shù)學力學物理學高新技術交叉研究會第6屆學術研討會論文集[C];1996年

7 魯潤寶;;“冷聚變”牽扯太陽耀斑[A];新觀點新學說學術沙龍文集17：“冷聚變”爭論[C];2008年

8 汪學毅;黃永年;;太陽耀斑電子與日冕等離子體的相互作用[A];1996年中國地球物理學會第十二屆學術年會論文集[C];1996年

9 董士侖;;太陽耀斑的潮汐觸發(fā)與活動區(qū)磁結構[A];第九屆全國日地空間物理學術討論會論文摘要集[C];2000年

10 唐云秋;;2000年7月14日的GLE事件[A];Workshop on ARGO-YBJ Experiment--Proceeding of CCAST (World Laboratory) Workshop[C];2002年

相關重要報紙文章 前10條

1 ;美觀測到強烈太陽耀斑[N];新華每日電訊;2011年

2 張孟軍;太陽耀斑發(fā)現(xiàn)反物質[N];科技日報;2003年

3 記者 藍建中;探到太陽耀斑爆發(fā)或干擾地球電離層[N];新華每日電訊;2011年

4 記者 張孟軍;美將發(fā)射研究太陽耀斑的航天器[N];科技日報;2002年

5 本報駐維也納記者 方祥生;太陽耀斑不是“世界末日”[N];光明日報;2011年

6 本報特約記者 陳婧;四年來最強太陽耀斑爆發(fā)[N];遼寧日報;2011年

7 亓科偉;俄觀測到兩年來最大規(guī)模太陽耀斑[N];科技日報;2014年

8 北京應用物理與計算數(shù)學研究所 魯潤寶;對太陽耀斑放能機制的探討[N];科技日報;2002年

9 記者 吳越　李偉;近四年來最大級別太陽耀斑爆發(fā)[N];中國氣象報;2011年

10 周大莊;科學家首證最強太陽爆發(fā)[N];北京日報;2014年

相關博士學位論文 前2條

1 黃鑫;基于序列數(shù)據(jù)的太陽耀斑預報方法研究[D];哈爾濱工業(yè)大學;2010年

2 王璞;太陽耀斑過程中的磁場變化研究[D];南京大學;2011年

相關碩士學位論文 前10條

1 陳e，

本文編號：1608400