当前位置:首页 > 新闻动态 > 科研动态

空间中心科研人员利用机器学习开展太阳爆发预报研究取得进展

文章来源: | 发布时间:2022-06-16 | 【打印】【关闭】
  太阳耀斑是太阳大气一种强磁场能量的爆发性释放,其特点是几乎全波段的电磁辐射增强,以及发射能量从103eV直到1011eV的各种粒子流。耀斑爆发会导致地球紫外辐射增强,使得大气层温度密度升高,导致空间飞行器的轨道改变;同时,耀斑的X射线和EUV辐射会导致电离层突然骚扰发生会无线电系统产生干扰;大耀斑发生通常也会伴随着日冕物质抛射的爆发。
  日冕物质抛射是太阳活动中重要的喷发现象之一,其本质是将大量携带磁场的等离子体抛向日地空间,可能对日冕层、行星际空间环境产生剧烈扰动。当日冕物质抛射到达地球空间时,可能会引发较强的地磁扰动和与之相关的空间环境效应。
  因此预测太阳耀斑的爆发、日冕物质抛射的对地有效性,对当前的空间环境业务预报工作具有十分重要的意义。近年来,随着机器学习方法广泛应用于各行各业并取得良好的成果,研究人员也开始尝试利用机器学习方法开展空间环境预报建模的研究。
  传统的太阳耀斑预报建模过程中,太阳爆发和太阳活动区磁特性的相关先验知识发挥了极大的作用。近日,中国科学院国家空间科学中心太阳活动与空间天气重点实验室预报中心团队崔延美副研究员和博士生李铭搭建了一个有先验知识依据的深度神经网络模型(如图1所示),用以预测为来48小时太阳耀斑是否爆发。该模型将耀斑产生的先验知识与卷积神经网络(CNN)结构进行了有效的融合。
  研究结果表明,先验知识在构建深度学习耀斑预报模型中可以发挥重要的作用,采用知识启发的深度神经网络可以进一步提高耀斑预报模型的性能。这也启发了我们未来在其他空间天气事件预报建模过程中,可以将空间物理的先验知识和深度学习模型进行有效的融合,从而提升预报效果的可能性。
  相关成果发表在国际知名期刊Space Weather上。该研究得到了国家自然科学基金,中国科学院重点部署项目,空间中心攀登计划等项目的支持。
  Citation:Li, M., Cui, Y., Luo, B., Ao, X., Liu, S., Wang, J., et al. (2022). Knowledge-Informed Deep Neural Networks for Solar Flare Forecasting. Space Weather, 20, e2021SW002985. https://doi.org/10.1029/2021SW002985
图1 太阳耀斑预报建模示意图
  日冕物质抛射对地有效性预报中非常重要的一项内容就是日冕物质抛射是否会到达地球的预报。中国科学院国家空间科学中心太阳活动与空间天气重点实验室预报中心团队石育榕等人将逻辑回归与推荐算法相结合来预测日冕物质抛射是否会到达地球、并推荐相似的历史事件为预报员提供参考。研究人员根据SOHO卫星于1996—2020年间观测到的30321起日冕物质抛射事件为数据基础,开展了日冕物质抛射事件相似度的研究、以及事件特征参数的筛选,利用逻辑回归和推荐算法建立了日冕物质抛射是否会到达地球的预报模型。
  在日冕物质抛射爆发后,该预报模型可以及时给出最相似的历史事件推荐(如图2所示),并给出该事件是否会到达地球的预测,为日冕物质抛射的对地有效性预报提供重要的参考。未来,随着更多日冕物质抛射数据的积累,模型的预报性能将会不断得到提升。
  相关成果发表在期刊Space: Science & Technology上(该期刊入选2020年中国科技期刊卓越行动计划高起点新刊项目)。该研究得到了国家自然科学基金,中国科学院重点部署项目,中国科学院国家空间科学中心攀登计划等项目的支持。
  Citation:Shi Y., Wang J., Chen Y., Liu S., Cui Y., and Ao X. Impacts of CMEs on Earth Based on Logistic Regression and Recommendation Algorithm[J]. Space: Science & Technology, 2022. https://doi.org/10.34133/2022/9852185
图2. 上图:a-c,世界时2006年8月16日16:30发生的CME事件。下图:d-f,模型推荐的历史事件为世界时1997年4月7日14:27发生的CME事件(图像来自SOHO LASCO C2)
  (供稿:天气室)