[发明专利]基于机器学习技术预报模型的太阳爆发事件预报方法

摘要

本发明公开了一种基于机器学习技术预报模型的太阳爆发事件预报方法，包括：A、刻画太阳活动区磁场特性的步骤；B、建立太阳爆发事件预报模型的步骤。采用本发明的方法，能够利用太阳活动区光球矢量磁场测量，通过机器学习技术建立太阳爆发事件综合预报模型，从而实现太阳活动区相关的太阳耀斑和日冕物质抛射的综合预报。

主权项

1.一种基于机器学习技术预报模型的太阳爆发事件预报方法，其特征在于，该预报方法包括：A、刻画太阳活动区磁场特性的步骤；所述太阳活动区磁场特性，包含用于识别活动区是否产生耀斑的物理量和用于判断产生的耀斑是否伴随日冕物质抛射的物理量；及B、建立太阳爆发事件预报模型的步骤；包括：B1、采用一定时长的SDO/HMI矢量磁图提取活动区磁场参数；B2、针对出现在日面30°范围内的活动区数据进行建模，获得太阳耀斑样本，并对所有C级以上的太阳耀斑，利用SOHO/LASCO列表数据，判断耀斑是否伴随日冕物质抛射；B3、根据选定的活动区预设时间内有无发生太阳耀斑、有无伴随日冕物质抛射的结果，标记相应的样本；B4、使用代价敏感的决策树算法从观测数据中学习太阳耀斑预报模型；其中，步骤A所述用于判断产生的耀斑是否伴随日冕物质抛射的物理量，具体为：反映光球层上方磁场的束缚程度的光球表面以上10Mm处水平磁场衰减指数；反映光球层上方磁场的束缚程度并进行了标幺化的光球表面以上0Mm到10Mm水平磁场通量与光球表面以上10Mm到20Mm水平磁场通量间的比值；反映所述活动区可能爆发的位置偏离活动区中心的程度的纵向磁场中心与磁场自由能中心间的距离；以及反映所述活动区可能爆发的位置偏离活动区中心的程度并进行了标幺化的纵向磁场中心与磁场自由能中心间的距离与纵向磁场正负极间距离的比值。