太阳活动区EUV图像的生成式模型耀斑分级与预报
近年来，不断发射的空基观测台持续传送回海量日面图像及日地间气象数据，为采用人工智能技术对太阳活动进行预报预警提供了数据基础。但是，极端天气爆发少，样本量较少；中等程度爆发稍多，样本量较多；常规无爆发天气常见，样本较为集中，样本不均衡状况严重影响机器学习方法在空间天气领域的广泛应用。本文面向多源多通道多尺度日面图像信息，构建了来自SOHO和SDO的1996－2015年日面活动区图像数据集；针对数据分布的不平衡，对太阳活动区图像作耀斑分级与预报。在对比分析元学习算法的基础上，设计了结合分类头设计和卷积核初始化的生成式模型；在使网络轻量化的基础上，能够将M和X级耀斑预报的检测率指标相较于普通的深度学...
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Science Press
2023-03-01
|
| Series: | Kongjian kexue xuebao |
| Subjects: | |
| Online Access: | https://www.sciengine.com/doi/10.11728/cjss2023.01.220214015 |