基于统计学习技术的太阳质子事件预报模型

发布时间：2018-03-13 19:11

本文选题：太阳质子事件　切入点：太阳耀斑　出处：《科学技术与工程》2014年28期 　论文类型：期刊论文

【摘要】：结合太阳耀斑与日冕物质抛射参量作为预报因子建立太阳质子事件预报模型。描述太阳耀斑的三个特征参量包括耀斑峰值流量、持续时间和耀斑维度;太阳质子事件的三个特征参量分别为CME宽度、CME速度和测量位置角度。首先使用信息增益率评价各参量对质子事件发生的重要度,结果表明相比于耀斑峰值流量和持续时间,CME宽度和速度对质子事件发生具有更高的重要性。基于上述参量,应用线性Logistic回归方法建立质子事件预报模型。对模型进行检测并与只选用耀斑参量的预报模型的预报结果进行比较,结果显示采用耀斑结合CME参量的预报模型具有较高的预报准确率和较低的虚报率,尤其对于质子事件发生的报准率提高较多(67.5%上升到90%)。实验结果验证CME参量作为预报因子的有效性。
[Abstract]:The prediction model of solar proton events is established by combining solar flares with coronal mass ejection parameters. The three characteristic parameters for describing solar flares include flare peak flow duration and flare dimension. The three characteristic parameters of the solar proton event are the CME velocity and the measuring position angle. Firstly, the importance of the parameters to the proton event is evaluated by using the information gain rate. The results show that the CME width and velocity are more important for proton events than the peak flare flow and duration. The proton event prediction model was established by using linear Logistic regression method. The model was detected and compared with the prediction model with only flare parameters. The results show that the prediction model with flares combined with CME parameters has higher prediction accuracy and lower false rate. In particular, for proton events, the accuracy rate increased by 67.5% to 90%. The experimental results show that the CME parameter is effective as a predictor.
【作者单位】：北京物资学院;中国科学院国家天文台;中国科学院空间科学与应用研究中心;
【基金】：国家自然科学基金重点项目(11273031) 北京市专业建设信息类特色专业建设项目(PXM2014_014214_000017)资助
【分类号】：P182

【参考文献】