典型文献
基于长短期记忆神经网络的太阳耀斑短期预报
文献摘要：
提出了一个基于长短期记忆神经网络的耀斑预报模型,利用过去24 h太阳活动区的磁场变化时序构建样本,通过长短期记忆神经网络对磁场特征时序演化进行分析,预报未来48 h内是否发生≥M级别耀斑事件.使用的数据集为2010年5月到2017年5月所有活动区样本,选取了SDO/HMI SHARP的10个磁场特征参量.在建模过程中通过XGBoost方法选取权重、增益率和覆盖率均较高的6个特征参量作为输入参数.通过测试对比,模型的虚报率和准确率与传统机器学习模型相近,报准率和临界成功指数分别为0.7483和0.7402,优于传统机器学习模型.模型总体效果优于传统机器学习模型.
文献关键词：
太阳耀斑预报;深度学习;长短期记忆神经网络
中图分类号：
作者姓名：
何欣燃;钟秋珍;崔延美;刘四清;石育榕;闫晓辉;王子思禹
作者机构：
中国科学院国家空间科学中心 北京 100190;中国科学院大学 北京 100049;中国科学院空间环境态势感知技术重点实验室 北京 100190
文献出处：
引用格式：
[1]何欣燃;钟秋珍;崔延美;刘四清;石育榕;闫晓辉;王子思禹-.基于长短期记忆神经网络的太阳耀斑短期预报)[J].空间科学学报,2022(05):862-872
A类：
太阳活动区,太阳耀斑预报
B类：
长短期记忆神经网络,短期预报,预报模型,磁场特征,时序演化,集为,SDO,HMI,SHARP,特征参量,XGBoost,输入参数,虚报率,机器学习模型,功指数
AB值：
0.214568
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
