[发明专利]一种预报因子与太阳耀斑发生的相关性评估方法

说明书

本发明涉及太阳活动的研究技术，特别涉及一种预报因子与太阳耀斑发生的相关性评估方法，具体步骤如下：步骤一：提取全部预报因子及其对应是否发生耀斑事件的数据，定义各个预报因子的相关性指数；步骤二：绘制其中任意一个“预报因子”与“是否发生耀斑的数据”的相关性图；步骤三：统计所述预报因子在各个数据段的耀斑发生概率，得出该预报因子的相关性指数；步骤四：根据相关性指数的数值大小，给出所述预报因子与是否发生耀斑事件之间的相关性结论；步骤五：对其他预报因子都执行步骤二至步骤四，得到各个预报因子的相关性结论。本发明采用多数据段评估方法，可较为完备、准确地得到相关性结论。

技术领域

本发明涉及太阳活动的研究技术，尤其涉及一种基于密度统计法的预报因子与太阳耀斑发生的相关性评估方法。

发明背景

太阳耀斑是一种突然发生的剧烈的能量释放过程，耀斑发生时还会危及人类生存等。准确地预报未来一段时间太阳爆发活动的情况，可以及时地进行灾害的防护和处理。

对太阳耀斑进行预报首先需要准确的预报因子，预报因子的提取方法主要有两类。一类是对太阳黑子进行观测然后进行黑子群分型：现最常用的是McIntosh分型法，将传统Zurich分型中的9类减少为7类，并将其作为太阳耀斑预报过程的特征参数；另一类是直接对太阳磁场和射线进行测量，然后提取预报因子再通过建模进行预报：多数学者利用卷积神经网络的深度神经网络模型，选择相应的预报因子后直接将观测的原始数据作为该模型的输入，并建立相应的预报模型。也有学者认为基于序列信息能够提高预报准确率，并提出应用小波变换对时间序列数据进行频域分解，将预报因子进行降维处理，进而用于预报研究。

目前，在可获取大量开源数据的条件下，通过对预报因子进行维数约减，得到一组线性或非线性的映射；然而，该方法虽可消除预报因子中的冗余信息，但不能直接判定出所使用的预报因子是否完备。对于如何构建预报因子与太阳耀斑的关系模型，有效评估预报因子与耀斑发生与否的这种非线性的关系，暂未见权威公开文献对其进行详细阐述。

发明内容

为了有效评估预报因子与耀斑发生与否的关系，本发明提出了一种预报因子与太阳耀斑发生的相关性评估方法，该方法的步骤如下：

步骤一：通过开源网站提取全部预报因子及其对应是否发生耀斑事件的数据M，得到原始数据集U，定义各个预报因子的相关性指数；

步骤二：通过步骤一得到的原始数据集U，对其中任意一个“预报因子F_x”的数据进行升序排序操作，绘制排序后的该“预报因子F_x”与“是否发生耀斑的数据M”的相关性图；

步骤三：在步骤二所绘制的相关性图中，统计所述预报因子F_x在排序后各个数据段的耀斑发生概率，得出该预报因子F_x的相关性指数；

步骤四：在步骤三所得到的相关性指数中，根据相关性指数的数值大小，给出所述预报因子F_x与是否发生耀斑事件之间的相关性结论；

步骤五：对其他预报因子都执行步骤二至步骤四，直到遍历所有预报因子，得到各个预报因子的相关性结论。

本发明相对于现有技术的有益效果为：

1)本发明通过建立预报因子与耀斑事件发生的关系，给出了“相关性指数”的计算方法，可为耀斑物理层面的相关性分析提供参考；

2)通过给出“正相关”、“负相关”和“无相关(或相关性较弱)”的结论，可为基于数据驱动的太阳耀斑预报提供数据预处理参考；

3)本发明采用多数据段评估方法，可较为完备、准确地得到相关性结论。

附图说明

图1为预报因子与太阳耀斑发生的相关性评估方法流程图；

具体实施方式