机器学习可提升太阳耀斑预报能力

工作人员在进行空间环境研究和预报

5月12日，记者从中科院国家空间科学中心（简称空间中心）获悉，该中心研究人员发现，利用机器学习方法可以更完善地描述太阳耀斑活动区中性线梯度图像特征，提取出新的耀斑先兆因子，有利于提升耀斑预报能力和预报提前量。该成果日前发表于《天体物理学杂志》。

作为空间天气中的重要现象，太阳耀斑及其伴随或引发的太阳质子事件、日冕物质抛射事件，可能引发剧烈的空间环境扰动，严重威胁航天器和卫星的安全。研究太阳耀斑爆发的先兆因子，建立起满足空间天气业务预报需求的太阳耀斑预报模型，是空间天气预报的重点内容。

于是，中科院空间环境态势感知技术重点实验室副研究员王晶晶、研究员刘四清等人，利用机器学习方法，开展了太阳耀斑爆发的先兆因子提取，以及太阳耀斑预报建模的研究。

2019年，他们曾利用活动区中性线梯度图像，对十二个传统的耀斑先兆因子（磁通量、螺度平均值等）进行改造，将活动区中性线梯度作为权重代入了先兆因子的计算中，提取了一组新的耀斑先兆因子。结果表明，新颖的、可反映太阳耀斑爆发物理机制、与耀斑爆发具有很强相关性的先兆因子，对进一步提升耀斑预报的能力至关重要。

此次，科研人员利用核函数，从活动区中性线梯度图像中成功提取了两个新的耀斑先兆因子，并与两个相似的传统先兆因子进行对比后发现，新的先兆因子在用于预报强耀斑时，明显优于传统先兆因子，能够将预报时间提前至72小时，有利于提升耀斑预报能力以及预报提前量。