space weather | BriefGPT - AI 论文速递

关键词space weather

搜索结果 - 8

利用卷积神经网络分析活动区磁图预测空间天气事件
利用机器学习技术，通过太阳活动区磁谱图，预测空间天气事件（太阳耀斑、地磁风暴、日冕物质抛射），建立了具有 90.27% 准确度、85.83% 精确度、91.78% 召回率和 92.14% 平均 F1 分数的卷积神经网络模型，证明磁谱图数据对
PDF2 months ago
使用可解释的机器学习预测太阳 23 和 24 周期期间的 SEP 事件
借助最新开发的数据集，结合了 Solar Dynamics Observatory/Helioseismic and Magnetic Imager (SDO/HMI) 和 Solar and Heliospheric Observator
PDF4 months ago
利用太阳影像上的机器学习实现高频率热层密度估计
将太空中的极紫外光图像数据直接融入神经网络热层密度模型，可以代替地面代理指标、提高预测性能，为低地球轨道卫星导航流程中的操作性热层密度预测模型引入极紫外光数据的使用方法。
PDF8 months ago
神经网络集成的太阳辐射概率预测
本文针对研究低轨道物体受热层密度影响，提出优化以 Space Environment Technologies（SET）为基础的 $F_{10.7cm}$ 预测的方法，使用神经网络集成、多层感知器和长短期记忆等模型，其中最佳模型为组合多步预
PDFa year ago
物理驱动的机器学习预测日冕物质抛射的传播时间
本文介绍了一种基于物理驱动的人工智能方法来预测日冕物质抛射的行程时间，其中利用了两个级联神经网络馈送远程观测和现场数据。这项研究表明，在人工智能结构中使用物理信息显著提高了行程时间预测的准确性和稳健性。
PDFa year ago
高分辨率太阳观测成像的生成模型比较研究
本文使用 Solar Dynamics Observatory 的高分辨率极紫外光观测数据集，探讨了当前最先进的生成模型能够准确捕获观测到的太阳活动状态的数据分布的能力，并发现了基于 StyleGAN 的模型族处理太阳图像细节方面的严重缺陷
PDFa year ago
应用卷积神经网络对位势场源表面（PFSS）磁图预测太阳风速
本文利用卷积神经网络和 PFSS 磁图构建了太阳风速度预测模型，提高了对空间天气、灾难事件警报等方面的准确性，并有望预测高速太阳风流，潜力较大。
PDFa year ago
基于深度学习的自动实时耀斑预测操作方法
自动化预测在太空天气科学中扮演重要角色，通过提供闪焰触发机制的统计见解，并实现量身制定的和高频预测，可以实时测量闪烁预报方法的表现，同时自信地避免过度学习。我们自 2015 年 8 月以来一直在运营无人闪烁预测服务，每 12 分钟提供 24
PDF8 years ago