基于机器学习方法的短期太阳爆发活动预报模型综述

Short-term solar eruptive activity prediction models based on machine learning approaches:A review

黄鑫 ¹赵忠瑞 ²钟昱丰 ³徐龙 ¹Marianna B.KORSÓS ⁴R.ERDÉLYI⁵

扫码查看

作者信息

1. 宁波大学信息科学与工程学院,宁波 315211;中国科学院空间天气学国家重点实验室,国家空间科学中心,北京 100190
2. 中国科学院空间天气学国家重点实验室,国家空间科学中心,北京 100190;中国科学院大学天文与空间科学学院,北京 100049;北京元胞探索科技中心,北京 100190
3. 中国科学院空间天气学国家重点实验室,国家空间科学中心,北京 100190;中国科学院大学天文与空间科学学院,北京 100049
4. Dipartimento di Fisica e Astronomia"Ettore Majorana",Università di Catania,Catania I 95123,Italy;Department of Astronomy,Eötvös Loránd University,Budapest H-1112,Hungary;Hungarian Solar Physics Foundation,Gyula H-5700,Hungary
5. Department of Astronomy,Eötvös Loránd University,Budapest H-1112,Hungary;Hungarian Solar Physics Foundation,Gyula H-5700,Hungary;Solar Physics & Space Plasma Research Center(SP2RC),School of Mathematics and Statistics,University of Sheffield,Sheffield S3 7RH,UK
折叠

摘要

太阳爆发活动主要包括太阳耀斑、日冕物质抛射(coronal mass ejections,CME)和太阳质子事件(solar proton events,SPE),太阳爆发活动对空间天气和高技术领域有重要影响.太阳爆发活动短期预报是空间天气预报中一个活跃的研究领域.目前,数值的、统计的和机器学习的方法被用来建立太阳爆发活动预报模型.随着天基和地基观测设备的发展,积累了大量的太阳观测数据,数据驱动的太阳爆发活动预报模型取得了重大进展.本文介绍了机器学习算法在太阳爆发活动预报中的应用,总结了预报建模过程,概述了太阳爆发活动预报模型的进展,并展望了未来可能的研究方向.

关键词

太阳耀斑/日冕物质抛射/太阳质子事件/机器学习/预报模型

引用本文复制引用

出版年

2024

中国科学(地球科学)

中国科学院

中国科学(地球科学)

CSTPCD北大核心

影响因子：1.828

ISSN：1674-7240

浏览量1

段落导航