一种基于多特征融合的太阳耀斑预报方法

YNAO OpenIR > 抚仙湖太阳观测和研究基地

	一种基于多特征融合的太阳耀斑预报方法
	邓林华; 徐永华; 向南彬; 蔡云芳; 向永源
申请（专利权）人	中国科学院云南天文台
专利号	ZL202310746849.2
申请号	CN202310746849.2
	2023-10-27
申请日期	2023-06-25
公开（公告）号	CN116956211A
公开日期	2023-10-27
IPC 分类号	G06F18/25G06F18/214G06N3/04G01W1/10
授权国家	中国
专利类型	发明
专利状态	公开
学科领域	天文学 ; 太阳与太阳系
产权排序	1
摘要	本发明公开了一种基于多特征融合的太阳耀斑预报方法，包括以下步骤：S1：获取一定时间内的太阳观测数据，并从中提取预报因子和耀斑爆发数据，不同预报因子采用a、b、c……标示，不同耀斑爆发数据采用α、β、γ……标示；S2：采用不同预报因子和耀斑爆发数据构建数据集，且每个预报因子均需要与每个耀斑爆发数据进行对应构建，不同数据集采用(a，α)、(a，β)、(a，γ)……标示，再将每个数据集分为训练集和测试集。本发明通过将多种预测因子与计算模型对太阳耀斑的发生进行预测，并通过结果模型对计算模型所得出的结果集进行总结修正，从而能够得出置信度更高的结果，有效地提高了模型对太阳耀斑预报的准确性。
主权项	1.一种基于多特征融合的太阳耀斑预报方法，其特征在于，包括以下步骤： S1：获取一定时间内的太阳观测数据，并从中提取预报因子和耀斑爆发数据，不同预报因子采用a、b、c……标示，不同耀斑爆发数据采用α、β、γ……标示； S2：采用不同预报因子和耀斑爆发数据构建数据集，且每个预报因子均需要与每个耀斑爆发数据进行对应构建，不同数据集采用(a，α)、(a，β)、(a，γ)……标示，再将每个数据集分为训练集和测试集； S3：采用每个数据集的训练集部分对不同的LVQ神经网络模型进行训练，得到训练多个LVQ神经网络模型，得到的LVQ神经网络模型采用使用的训练集进行标示，即(a，α)模型、(a，β)模型、(a，γ)模型……； S4：将多个LVQ神经网络模型根据采用数据集的耀斑数据不同分为若干类，每一类采用耀斑数据进行标示，即α类计算模型、α类计算模型、α类计算模型……； S5：之后将不同数据集的测试集部分预报因子输入与其耀斑爆发数据对应类别的模型中，并得出结果集，每一种结束数据采用耀斑数据进行标示，即α类结果集、β类结果集、γ类结果集……； S6：采用结果集与结果集结果相对应的耀斑爆发数据对多个3d卷积神经网络模型进行训练，从而得出不同类型耀斑爆发数据的结果模型，不同结果模型采用耀斑数据进行标示，即α结果模型、β结果模型、γ结果模型……； S7：将S4中不同类型的计算模型与S6中相对应的结果模型相结合即为预测模型，不同预测模型采用耀斑数据进行标示，即α预测模型、β预测模型、γ预测模型……； S8：将预报因子输入S7的预测模型中，即可得出不同太阳耀斑发生的预测结果。 2.根据权利要求1所述的一种基于多特征融合的太阳耀斑预报方法，其特征在于：所述S1中的预报因子包括太阳黑子群的McIntoshfen分型数据、太阳黑子数据、太阳磁场最大水平梯度变化数据、太阳磁场孤立奇点个数变化数据和太阳磁场中心线长度变化数据等。 3.根据权利要求1所述的一种基于多特征融合的太阳耀斑预报方法，其特征在于：所述S1中的耀斑数据包括太阳A级耀斑变化数据、太阳B级耀斑变化数据和太阳C级耀斑变化数据、太阳M级耀斑变化数据和太阳X级耀斑变化数据。 4.根据权利要求1所述的一种基于多特征融合的太阳耀斑预报方法，其特征在于：所述S1中预报因子数据和耀斑数据来自全日面纵向磁图和太阳活动记录数据。 5.根据权利要求1所述的一种基于多特征融合的太阳耀斑预报方法，其特征在于：所述S2中将预报因子与耀斑爆发数据进行对应构建数据集时，预报因子的时间点应在耀斑爆发时间点前一段时间，具体时间间隔根据预测模型中所需预测的太阳耀斑时间确定。 6.根据权利要求1所述的一种基于多特征融合的太阳耀斑预报方法，其特征在于：所述S3中对LVQ神经网络模型进行训练应使用误差反向传播法，把误差信号反向传回，依次修改各层神经元的权系数，以减小误差信号。 7.根据权利要求1所述的一种基于多特征融合的太阳耀斑预报方法，其特征在于：所述S4中计算模型的分类依据为耀斑数据类型，使用相同的耀斑数据训练的分为同一类。 8.根据权利要求1所述的一种基于多特征融合的太阳耀斑预报方法，其特征在于：所述S6中结果集时间点应在结果集结果相对应的耀斑爆发数据的时间点前一段时间，具体时间间隔根据预测模型中所需预测的太阳耀斑时间确定。 9.根据权利要求1所述的一种基于多特征融合的太阳耀斑预报方法，其特征在于：所述S7中计算模型与结果模型结合所依据的分类标准为耀斑数据类型，使用相同的耀斑数据训练的分为同一类。
语种	中文
专利代理人	汝小瑞
代理机构	北京箐昱专利代理事务所（普通合伙）
文献类型	专利
条目标识符	http://ir.ynao.ac.cn/handle/114a53/26355
专题	抚仙湖太阳观测和研究基地射电天文研究组
作者单位	中国科学院云南天文台, 云南省昆明市官渡区羊方旺396号
第一作者单位	中国科学院云南天文台
推荐引用方式 GB/T 7714	邓林华,徐永华,向南彬,等. 一种基于多特征融合的太阳耀斑预报方法. ZL202310746849.2[P]. 2023-10-27.

条目包含的文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
CN116956211A-一种基于多特征（541KB）	专利		开放获取	CC BY-NC-SA	浏览请求全文