基于自动特征提取方法的太阳耀斑预报模型 | |
李蓉2; 朱杰2; 黄鑫1; 崔延美3 | |
刊名 | 科学通报 |
2016 | |
卷号 | 61期号:36页码:3958 |
ISSN号 | 0023-074X |
英文摘要 | 在太阳耀斑预报模型中,首先需要从原始观测数据中提取刻画太阳活动区特性的物理特征参量,然后使用统计或机器学习方法寻找物理特征参量与太阳耀斑发生的关系,以达到建立太阳耀斑预报模型的目的.其中,太阳活动区物理特征的提取在整个建模过程中发挥着重要的作用,活动区物理特征的优劣直接决定着预报模型性能的高低.然而,随着机器学习技术的发展,机器学习方法中的深度学习算法能够从原始数据中自动提取特征,并建立预报模型.本文利用深度学习方法建立了一个太阳耀斑预报模型.与先提取活动区物理参量、再建立预报模型的传统机器学习方法相比较,本文所建立的预报模型具有更好的预报性能. |
语种 | 英语 |
内容类型 | 期刊论文 |
源URL | [http://ir.bao.ac.cn/handle/114a11/51507] |
专题 | 中国科学院国家天文台 |
作者单位 | 1.中国科学院国家天文台 2.北京物资学院 3.中国科学院国家空间科学中心 |
推荐引用方式 GB/T 7714 | 李蓉,朱杰,黄鑫,等. 基于自动特征提取方法的太阳耀斑预报模型[J]. 科学通报,2016,61(36):3958. |
APA | 李蓉,朱杰,黄鑫,&崔延美.(2016).基于自动特征提取方法的太阳耀斑预报模型.科学通报,61(36),3958. |
MLA | 李蓉,et al."基于自动特征提取方法的太阳耀斑预报模型".科学通报 61.36(2016):3958. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论