报告详情
非均匀分布样本在太阳耀斑预报深度学习建模中的影响
编号：150
访问权限：私有
更新：2023-04-08 10:18:02
浏览：419次
口头报告
报告开始：2023年05月06日 14:50（Asia/Shanghai）
报告时间：8min
所在会场：[11] 11、空间物理与空间探测 [11-1] 11-1 空间物理与空间探测(1)
暂无文件
摘要
太阳耀斑事件一般按其能量分级，具有不同的先兆特征，不同等级事件发生频次具有跨数量级的区别。因此，基于常规卷积神经网络的耀斑等级预报难以捕捉稀有的M、X类耀斑先兆特征。为了改进深度学习模型的全类耀斑预报精度，本研究以长尾分布学习理论中的训练集优化，损失函数优化，网络权重优化等方法，基于SDO/HMI太阳磁图开展了未来24小时耀斑预报实验。对比常规基准模型，本研究分析了非均匀分布样本在耀斑预报中的影响，实验结果显著提高了稀有耀斑类别的预报的精确率和召回率，验证了长尾学习理论方法的有效性。
关键词
耀斑，深度学习，长尾分布
报告人
白曦
国家空间科学中心稿件作者
全部评论
重要日期
-
会议日期
05月05日
2023
至05月08日
2023
-
03月31日 2023
初稿截稿日期
-
05月25日 2023
注册截止日期
主办单位
青年地学论坛理事会
中国科学院青年创新促进会地学分会
中国科学院青年创新促进会地学分会
承办单位
武汉大学
中国科学院精密测量科学与技术创新研究院
中国地质大学（武汉）
中国科学院精密测量科学与技术创新研究院
中国地质大学（武汉）
发表评论