一种基于多特征融合的太阳耀斑预报方法技术

本发明专利技术公开了一种基于多特征融合的太阳耀斑预报方法，包括以下步骤：S1：获取一定时间内的太阳观测数据，并从中提取预报因子和耀斑爆发数据，不同预报因子采用a、b、c

【技术实现步骤摘要】
一种基于多特征融合的太阳耀斑预报方法


[0001]本专利技术属于太阳耀斑预报
，具体涉及一种基于多特征融合的太阳耀斑预报方法。

技术介绍

[0002]太阳耀斑是指发生在太阳表面局部区域中突然和大规模的能量释放过程，它是空间环境的主要扰动源，对地球空间环境造成很大影响，太阳耀斑预报是空间天气预报的重要组成部分。
[0003]太阳耀斑是最剧烈的太阳活动之一，也是空间天气预报需要研究的重要内容之一。太阳耀斑是由太阳大气中局部能量突然、大规模释放所产生的。耀斑的爆发主要表现在从射电波段到X射线的辐射通量的突然增强。一个面积为太阳表面积二千分之一的大耀斑在103s的寿命中可释放4
×
10
32
erg的能量，耀斑发射出强烈的短波辐射，严重地干扰了地球低电离层，使短波无线电波在穿过它时遭到强烈吸收，致使短波通讯中断。进一步电离层的扰动破坏导航系统的正常工作，由于耀斑爆发对空间天气的重要影响，各种耀斑预报方法被广泛地研究，耀斑预报的事件统计方法只利用已经观测到的事件对未来情况进行预报，已观测到的太阳耀斑的统计规本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多特征融合的太阳耀斑预报方法，其特征在于，包括以下步骤：S1：获取一定时间内的太阳观测数据，并从中提取预报因子和耀斑爆发数据，不同预报因子采用a、b、c
……
标示，不同耀斑爆发数据采用α、β、γ
……
标示；S2：采用不同预报因子和耀斑爆发数据构建数据集，且每个预报因子均需要与每个耀斑爆发数据进行对应构建，不同数据集采用(a，α)、(a，β)、(a，γ)
……
标示，再将每个数据集分为训练集和测试集；S3：采用每个数据集的训练集部分对不同的LVQ神经网络模型进行训练，得到训练多个LVQ神经网络模型，得到的LVQ神经网络模型采用使用的训练集进行标示，即(a，α)模型、(a，β)模型、(a，γ)模型
……
；S4：将多个LVQ神经网络模型根据采用数据集的耀斑数据不同分为若干类，每一类采用耀斑数据进行标示，即α类计算模型、α类计算模型、α类计算模型
……
；S5：之后将不同数据集的测试集部分预报因子输入与其耀斑爆发数据对应类别的模型中，并得出结果集，每一种结束数据采用耀斑数据进行标示，即α类结果集、β类结果集、γ类结果集
……
；S6：采用结果集与结果集结果相对应的耀斑爆发数据对多个3d卷积神经网络模型进行训练，从而得出不同类型耀斑爆发数据的结果模型，不同结果模型采用耀斑数据进行标示，即α结果模型、β结果模型、γ结果模型
……
；S7：将S4中不同类型的计算模型与S6中相对应的结果模型相结合即为预测模型，不同预测模型采用耀斑数据进行标示，即α预测模型、β预测模型、γ预测模型
……
；S8：将预报因子输入S7的预测模型中，即可得出不同太阳耀斑发生的预测结果。2....

【专利技术属性】
技术研发人员：邓林华，徐永华，向南彬，蔡云芳，向永源，
申请(专利权)人：中国科学院云南天文台，
类型：发明
国别省市：