solar flare prediction | BriefGPT

关键词solar flare prediction

搜索结果 - 8

基于分类的时间序列数据增强方法应对太阳耀斑预测中的极端类别不平衡
本研究提出了一种用于时间序列数据的新型数据增强方法 —— 均值高斯噪声（MGN），并通过在太阳耀斑预测的多变量时间序列数据集 SWAN-SF 上使用时间序列数据的机器学习算法 TimeSeriesSVC，将 MGN 的性能与八种现有的基本数
PDFa month ago
基于滑动窗口多变量时间序列随机森林分类器的活动区域闪耀预测
本研究的主要贡献在于发展了适用于多变量时间序列的可解释分类器，并展示了一种基于滑动窗口子区间排序的新型特征排序方法，通过在太阳耀斑预测的背景下，填补了用于高维数据的复杂且不易理解的黑盒模型与多元时间序列相关子区间的探索之间的差距。研究结果表
PDF5 months ago
基于注意力机制的深度神经网络用于可解释的太阳耀斑预测
使用基于注意力机制的深度学习模型，通过分析全盘磁图像来预测太阳耀斑的发生，实验结果表明该模型能够成功预测接近边缘的太阳耀斑，并且基于相关活跃区的特征。
PDF10 months ago
基于指导 Grad-CAM 解释的深度学习探索全盘太阳耀斑预测
本研究通过使用全球深度学习模型对大于等于 M 级太阳耀斑进行预测，并在中央和近边界事件上评估其有效性，展示了模型预测的事后解释的定性评估，并提供了对这些解释进行的以人为中心的定量评估的实证发现。
PDF10 months ago
利用事后注意力的可解释深度学习太阳耀斑预测
该研究提出了一种基于深度学习的全盘太阳耀斑预测模型的事后分析，证明全盘模型能够准确定位和预测接近边缘的太阳耀斑并从全盘磁图中学习相关特征。
PDFa year ago
KDD利用归因方法解释太阳耀斑预测的全盘深度学习模型
该研究利用深度学习方法预测太阳耀斑，特别关注纬度较高的耀斑，并使用解释方法提供对模型预测的后续定性解释。通过训练全盘磁图图像的小时级别线状物的耀斑预测模型，并采用二进制预测模式，预测在随后 24 小时内可能发生的≥M 级耀斑。然后，采用数据
PDFa year ago
面向运行时空天气预报的全盘和活动区耦合耀斑预测
利用两种异构耀斑预测模型和逻辑回归组合模型，能够成功预测下一个 24 小时的全盘耀斑概率，预测精度优于基准模型，可提高 9% 到 20% 的真正技能和 Heidke 技能分数。
PDF2 years ago
利用长短期记忆网络预测太阳耀斑
利用长短时记忆网络 (LSTM) 对太阳活动区进行分析，预测出 24 小时内其是否会产生伽玛级耀斑。通过从 2010 年 5 月至 2018 年 5 月发生的耀斑事件中选取，并使用太空天气 HMI 活动区块 (SHARP) 与相关数据产品中
PDF5 years ago