机器学习在太阳爆发预报中的应用研究

发布时间：2022-07-20 12:54

　　随着人类空间探索和空间活动的不断深入,空间与人类的关系越来越近。然而,空间活动所处的环境并不是一成不变的。当太阳发生剧烈爆发的时候,空间环境可能随之产生剧烈扰动,严重影响航天、通讯、导航、电力输运等技术系统。太阳活动作为空间环境扰动最重要的源头,准确的太阳爆发预警预报能够有效增加空间天气事件的预警提前量,给空间系统规避和减缓空间天气灾害影响争取更多的时间。目前导致太阳爆发的物理机制尚不明确,对太阳活动区形态、演化等特征的分析是预报太阳爆发的重要手段。太阳观测数据的迅速积累使得传统的人工提取太阳活动特征的方法已不能满足太阳爆发预报的需求,将机器学习方法应用于太阳爆发预报模型的构建成为必然的发展趋势。本文利用卷积神经网络方法（CNN）,实现了基于Wilson山磁分类的活动区磁类型自动识别,并尝试进行耀斑预报模型的搭建。主要的研究内容和结果如下:1)基于2010年至2017年的SDO/HMI SHARP黑子图数据和磁图数据,提出了一种自动识别太阳黑子群磁类型的方法,在CNN结构下进行了一系列的模型训练。总体而言,模型的识别效果较好,总准确率达到了95%以上,识别Alpha磁类型的准确率达到了... 

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 引言
    1.1 太阳活动现象
        1.1.1 太阳黑子
        1.1.2 太阳耀斑
        1.1.3 日冕物质抛射
        1.1.4 太阳质子事件
    1.2 太阳爆发预报
    1.3 机器学习
        1.3.1 神经网络与深度学习
        1.3.2 卷积神经网络
    1.4 机器学习在太阳爆发预报中的应用现状
    1.5 本文的研究内容
第2章 太阳黑子群磁类型的自动识别
    2.1 研究背景
    2.2 数据准备
        2.2.1 数据选取
        2.2.2 数据标注
        2.2.3 数据处理
    2.3 磁类型自动识别模型
        2.3.1 模型搭建
        2.3.2 训练结果
        2.3.3 结果分析
        2.3.4 模型改进
    2.4 总结与讨论
第3章 卷积神经网络在耀斑预报中的应用研究
    3.1 研究背景
    3.2 数据准备
        3.2.1 数据选取
        3.2.2 数据标注
        3.2.3 数据处理
    3.3 耀斑预报模型
        3.3.1 模型搭建
        3.3.2 训练结果
        3.3.3 结果分析
    3.4 总结与讨论
第4章 结论与展望
参考文献
致谢
作者简历及攻读学位期间发表的学术论文与研究成果


【参考文献】：
期刊论文
[1]机器学习在太阳物理中的应用[J]. 刘辉,季凯帆,金振宇.  中国科学:物理学 力学 天文学. 2019(10)
[2]深度学习相关研究综述[J]. 张军阳,王慧丽,郭阳,扈啸.  计算机应用研究. 2018(07)
[3]太阳耀斑预报研究进展[J]. 李蓉,朱杰,黄鑫.  科学通报. 2014(25)
[4]太阳活动峰年和谷年期间黑子群与耀斑的统计分析[J]. 赵明宇,陈军权,刘煜,IBRAHIM Ahmed,闫晓理,敦金平.  中国科学:物理学 力学 天文学. 2014(01)
[5]Solar activity studies:From a magnetohydrodynamics description to a plasma perspective[J]. WANG JingXiu Key Laboratory of Solar Activity,National Astronomical Observatories,Chinese Academy of Sciences,Beijing 100012,China.  Chinese Science Bulletin. 2012(12)
[6]应用数据挖掘技术的短期太阳耀斑预报模型[J]. 李蓉,崔延美.  中国科学:物理学 力学 天文学. 2011(11)
[7]结合支持向量机和近邻法的太阳耀斑预报方法[J]. 李蓉,崔延美.  计算机工程与设计. 2009(15)

博士论文
[1]太阳光球磁场特性与耀斑相关性研究[D]. 崔延美.中国科学院研究生院（国家天文台） 2007



本文编号：3664041