|
|||||
|
|
| 基于统计学习技术的太阳质子事件预报模型 | |
| 引用本文： | 李蓉,黄鑫,崔延美.基于统计学习技术的太阳质子事件预报模型[J].科学技术与工程,2014,14(28). |
| 作者姓名： | 李蓉 黄鑫 崔延美 |
| 作者单位： | 1. 北京物资学院,北京,101149 2. 中国科学院国家天文台,北京,100012 3. 中国科学院空间科学与应用研究中心,北京10090 |
| 基金项目： | ;国家自然科学基金项目（面上项目，重点项目，重大项目） |
| 摘 要： | 结合太阳耀斑与日冕物质抛射参量作为预报因子建立太阳质子事件预报模型。描述太阳耀斑的三个特征参量包括耀斑峰值流量、持续时间和耀斑维度;太阳质子事件的三个特征参量分别为CME宽度、CME速度和测量位置角度。首先使用信息增益率评价各参量对质子事件发生的重要度,结果表明相比于耀斑峰值流量和持续时间,CME宽度和速度对质子事件发生具有更高的重要性。基于上述参量,应用线性Logistic回归方法建立质子事件预报模型。对模型进行检测并与只选用耀斑参量的预报模型的预报结果进行比较,结果显示采用耀斑结合CME参量的预报模型具有较高的预报准确率和较低的虚报率,尤其对于质子事件发生的报准率提高较多(67.5%上升到90%)。实验结果验证CME参量作为预报因子的有效性。 |
| 关 键 词： | 太阳质子事件 太阳耀斑 日冕物质抛射 信息增益率 Logistic回归 |
| 收稿时间： | 2014/5/14 0:00:00 |
| 修稿时间： | 6/6/2014 12:00:00 AM |
Solar Proton Prediction Model base on Statistic Learning Technique |
|
| lirong,and.Solar Proton Prediction Model base on Statistic Learning Technique[J].Science Technology and Engineering,2014,14(28). | |
| Authors: | lirong and |
| Abstract: | |
| Keywords: | solar proton event solar flare coronal mass ejection information gain ratio Logistic regression |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 | |
| 点击此处可从《科学技术与工程》下载免费的PDF全文 | |