Presentation Details
非均匀分布样本在太阳耀斑预报深度学习建模中的影响
ID：150
View Protection：PRIVATE
Updated Time：2023-04-08 10:18:02
Hits：2169
Oral Presentation
Start Time：2023-05-06 14:50（Asia/Shanghai）
Duration：8min
Session：11 11、空间物理与空间探测 »
No files
Abstract
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。
Keywords
耀斑，深度学习，长尾分布
Speaker
白曦
国家空间科学中心Submission Author
All Comments
Important Date
-
Conference Date
May 05
2023
toMay 08
2023
-
Mar 31 2023
Draft paper submission deadline
-
May 25 2023
Registration deadline
Sponsored By
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
Organized By
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）
Contact Information
- 管小彬
- gu******@whu.edu.cn
- +86********
- 孙佳妮
- sc******@aconf.org
- +86********
Submit Comment