太阳耀斑时序数据库

张鑫泽

中国科学院国家天文台

->数据库访问<-

传统耀斑预报建模过程，首先提取磁图的物理、拓扑参数，然后采用浅层的机器学习算法，例如SVM，进行建模。深度学习算法应用于耀斑预报建模，通常采用图像为输入，采用卷积网络首先提取图像特征，然后在提取特征基础上建立分类模型。本质上，耀斑是一个动态演化过程，但是基于耀斑动态演化的时序预报建模却很少被研究。

本项目面向耀斑预报的动态时序建模需求，构建了一个耀斑时序数据库，该数据库包含正样本xx个，负样本xx个。正样本指该活动区24小时后发生了耀斑，正样本的构成为一个磁图序列，该序列从耀斑之前24小时时刻为中心，分别向前和向后取了xx帧。了xx个M级及以上的耀斑序列，每个序列包含了从耀斑开始到耀斑结束的xx帧图像，构成了正样本。负样本数量为xx个，是不包含耀斑