[发明专利]一种基于支持向量机的太阳耀斑二分类预测方法

说明书

本发明公开了一种基于支持向量机的太阳耀斑二分类预测方法，对实验模型进行数据预处理，构建数据集；斯皮尔曼等级相关系数的确定，并求得等级之间的差值公式；对机器学习的训练特征进行分析和测试，再对实验模型样本进行特征选择，并通过斯皮尔曼等级相关系数对特征之间的联系进行验证；采用SVM寻找决策边界，并对SVM核函数进行选择；对SVM计算原理进行推导；采用SVM对数据进行预测处理，并产生预测结果；对预测结果进行判定；本发明通过以机器学习算法作为核心构建太阳耀斑活动行为预测模型，并通过对太阳耀斑观测数据的特征提取以及预处理，对预处理数据进行建模以及优化，并最终实现对与太阳耀斑行为较高准确率的预测。

技术领域

本发明涉及太阳耀斑预报技术领域，具体涉及一种基于支持向量机的太阳耀斑二分类预测方法。

背景技术

太阳并不是一个完全静止的球体，太阳具有活动周与静止周之分，太阳活动方式中的一个很明显的形式就是太阳耀斑，太阳耀斑带来的巨大动能、热能影响能够对地球的空间环境产生巨大影响。

太阳耀斑爆发时会释放很多辐射以及高能粒子，这些伴生物会对地球空间环境产生剧烈冲击，太阳耀斑是影响空间天气预报模型的重要内容；当地球附近出现耀斑的辐射以及高能粒子之后，大气份子会因此受到巨大影响，大气中的电离层会被辐射破坏，从而丧失反射无线电波的能力，严重影响人们日常生活中的通讯活动；伴随耀斑发射的高能粒子流到达高层大气时会与高层大气的气体粒子碰撞，地球磁场因此会受到干扰，同样会严重影响地球的空间环境，影响研究人员的研究工作；研究并提高太阳耀斑预报的功能，不仅是正确预测空间天气，保障人类空间活动研究的重要途径，同时也是揭发太阳的内在规律，提高人类对太阳认识程度的重要内容；因此，需要设计一种基于支持向量机的太阳耀斑二分类预测方法。

发明内容

本发明的目的是克服现有技术的不足，为了准确的预测太阳耀斑的行为，提供了一种基于支持向量机的太阳耀斑二分类预测方法，提出了基于机器学习的太阳耀斑空间预报模型，该模型以大量的太阳耀斑观测数据为样本，通过训练集的建模和测试集的效果检验，较好的实现了对太阳耀斑运动的预测。

为了达到上述目的，本发明所采用的技术方案是：

一种基于支持向量机的太阳耀斑二分类预测方法，包括以下步骤，

步骤(A)，对实验模型进行数据预处理，构建数据集；

步骤(B)，斯皮尔曼等级相关系数的确定，并求得等级之间的差值公式；

步骤(C)，对机器学习的训练特征进行分析和测试，再对实验模型样本进行特征选择，并通过斯皮尔曼等级相关系数对特征之间的联系进行验证；

步骤(D)，采用SVM寻找决策边界，并对SVM核函数进行选择；

步骤(E)，对SVM计算原理进行推导；

步骤(F)，采用SVM对数据进行预测处理，并产生预测结果；

步骤(G)，对预测结果进行判定，并通过计算技能得分来确定它与给定基准的比较方式。

前述的一种基于支持向量机的太阳耀斑二分类预测方法，步骤(A)，对实验模型进行数据预处理，构建数据集，其中预处理采用的方法是对总体数据按照活动区编号进行分组，且数据源为SDO/HMI公布的SHARPS数据序列以及GOES卫星观测的X射线耀斑事件数据，而构建数据集的具体步骤如下，

步骤(A1)，对数据进行先一步的剔除，由于特殊的观测数据观测的处于地区边界，覆盖了若干个地区，因此要将此类数据剔除；