4886威尼斯城官网

当上地位:4886威尼斯城官网 > 讯息消息  > 科研消息

4886威尼斯城官网科研人员在基于机器进修的太阳风分类及其容量天气预警应用研究关键取得新进展

文章来源: | 发布时间:2020-05-13 | 【打印】【关闭】

  1959年,苏联的Luna-1号卫星上天,人类首次得以对太阳风进行就地观测。此下数十年的观测和研究表明,近地太阳风有着不同的特性,起源于不同的源区。太阳风可大致分为四类:冕洞风、冕流风、扇区反转区风和日冕抛射风。

  按照源区对太阳风进行分类对于太阳和日球物理研究有着要紧意义。起首,为了对太阳风性质进行更全面准确的了解,在统计研究时吾们需要对太阳风类型加以区分;再者,太阳风在行星际传播时仍记录着其源区的一些特征,分类研究有助于更好的了解发生在太阳不同区域的物理过程;再次,不同类型太阳风的对地效应显著不同,太阳风分类信息也有望提升容量天气预警成果。

  上卫上,太阳风分类是由一些经验丰富的研究人员综合不同种类的众多观测特征来完成的。譬喻,按照不同的观测特征,众多研究人员分别整理发布了行星际日冕物质抛射事件列表、磁云列表、共转竞相感化区列表、激波事件列表、日球层电流片列表、日球扇区边界列表等等。易于 得出,学者们也尝试开发一些太阳风分类的经验模型。譬喻,一维参数容量的经验模型(太阳风速度VpPtype)、二维参数容量的经验模型(O7+/O6+ - Vp)、三维参数容量的经验模型(Sp-VA-Texp/Tp)等。

  近十年来,太阳风分类识别取得了很大进展。尽管如此,不论是人员识别灰子 蔷槟P褪侗穑即嬖谝欢ǖ木窒扌浴T诿娑院品钡墓鄄馐菔保嗽笔镀溆嘧荚虿灰磺夷岩宰龅绞凳备拢┯魅ㄍ的Lepping磁云列表从2008年开始就停止更新了,其他一些列表也存在不同程度的更新滞下现象。对于经验模型而言,由于经常需要人员介入难以真正做到全自动化。其余,为了便于明晰识别界面,经验模型都是在三维或以下参数容量来开展,在识别准确度上还有提升容量。

  最近,人员高技术 技术实现 得到了长足进步,机器进修算法开始取代一些需要人员介入的work。多参数容量的分类算法作为机器进修的典型任务,面对容量物理大数据时代,其在模式识别区域的优势逐步凸显,易于 逐渐流行起来。在此背下下,天气室李晖研究员、王赤研究员与南京信息工程大学许飞副教授展开人员高技术识别太阳风分类的合作研究。TEAM利用万国流行的10种机器进修分类算法(KNNLSVMRBFSVMDTRFAdaBoostNNGNBQDAXGBoost)在优选下的8维参数容量开发了太阳风分类的自动识别算法,可以自动、快速地将太阳风观测数据分为冕洞风、冕流风、扇区反转区风和日冕抛射风四类,图一找子 玖舜说赖囊桓鍪吕

  常见的机器进修分类算法大都能得到不错的分类结果,此道KNN算法的分类准确度分别为99.2百分比91.1百分比83.8百分比92.9百分比。相比此上最好的经验模型,准确度分别提升了2.3百分比21.2百分比11.8百分比5.4百分比;该太阳风分类算法可以识别出行星际小尺度通量绳(仅持续数钟点),为下续太阳风小尺度结构特性及其与背下太阳风竞相感化的研究供给便利;在此底子上,通过对比研究,TEAM还证实了实时太阳风分类信息可以应用于容量天气预警。如表一所示,当卫星实时监测到一个较强的太阳风电场(Ey > 5.0 mV/m)时,如果太阳风分类算法判定由冕流风所携带的话,so引发中等磁暴的概率较大并伴随较高的卫星充电风险;如果判定由日冕抛射风所携带的话,so引发强磁暴的概率较大并伴随较低的卫星充电风险。

  该项研究证实了基于机器进修的分类算法有能力高效而准确的识别出四种典型类型的太阳风,可以获得比以往经验模型更好的分类成果。易于 得出,该分类算法仅需要一些基本的太阳风参量观测,如等离子体数密度、温度、速度、磁场强度。无需太阳风成分观测的特点也使得该算法有更高的适用性和更广阔的应用上景。

  目上,该work已发表于美国地球物理学会旗下的 Earth and Space Science 期刊上。文章列表及链接如下:

  Li, H., Wang, C., Cui, T., & Xu, F. (2020). Machine learning approach for solar wind categorization. Earth and Space Science. 7, e2019EA000997. https://doi.org/10.1029/2019EA000997 https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2019EA000997

  (供稿:容量天气学国家细节实验室)

  

  图一:太阳风分类的成果(彩色竖条是人员识其余太阳风分类,彩色点是机器进修算法的结果)

 

   

表一:太阳风分类信息在容量天气预警中的应用

 

XML 地图 | Sitemap 地图