基于机器学习方法的短期太阳爆发活动预报模型综述  

Short-term solar eruptive activity prediction models based on machine learning approaches:A review

作　　者：黄鑫 赵忠瑞[2,3,4] 钟昱丰 徐龙 Marianna B.KORSOS R.ERDELYI Huang X;Zhao Z;Zhong Y;Xu L;Korsós M B;Erdélyi R

机构地区：[1]宁波大学信息科学与工程学院,宁波315211 [2]中国科学院空间天气学国家重点实验室,国家空间科学中心,北京100190 [3]中国科学院大学天文与空间科学学院,北京100049 [4]北京元胞探索科技中心,北京100190 [5]Dipartimento di Fisica e Astronomia“Ettore Majorana”,Universitàdi Catania,Catania I 95123,Italy [6]Department of Astronomy,Eotvos Loránd University,Budapest H-1112,Hungary [7]Hungarian Solar Physics Foundation,Gyula H-5700,Hungary [8]Solar Physics&Space Plasma Research Center(SP2RC),School of Mathematics and Statistics,University of Sheffield,Sheffield S37RH,UK

出　　处：《中国科学：地球科学》2024年第12期3766-3805,共40页Scientia Sinica(Terrae)

基　　金：中国科学院战略性先导科技专项项目(XDB0560000);国家重点研发计划项目(2021YFA1600504);国家自然科学基金项目(11873060)资助。

摘　　要：太阳爆发活动主要包括太阳耀斑、日冕物质抛射(coronal mass ejections,CME)和太阳质子事件(solar proton events,SPE),太阳爆发活动对空间天气和高技术领域有重要影响.太阳爆发活动短期预报是空间天气预报中一个活跃的研究领域.目前,数值的、统计的和机器学习的方法被用来建立太阳爆发活动预报模型.随着天基和地基观测设备的发展,积累了大量的太阳观测数据,数据驱动的太阳爆发活动预报模型取得了重大进展.本文介绍了机器学习算法在太阳爆发活动预报中的应用,总结了预报建模过程,概述了太阳爆发活动预报模型的进展,并展望了未来可能的研究方向.

关 键 词：太阳耀斑 日冕物质抛射 太阳质子事件 机器学习 预报模型 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程] P182.9[自动化与计算机技术—控制科学与工程]