記者4月16日從中國科學院國家空間科學中心獲悉,基于機器學習,該中心科研人員提出一種日冕物質拋射識別與參數(shù)獲取的新方法。該方法對預報災害性空間天氣具有重要意義。相關研究成果在線發(fā)表于《天體物理學雜志增刊》。
日冕物質拋射(CME)是從太陽拋入行星際空間的大尺度等離子體團,是太陽系內最大尺度的能量釋放活動,也是災害性空間天氣的主要源頭,可能會導致中度到強烈的地磁暴。
“了解日冕物質拋射在日冕以及行星際的傳播和演化過程,預報日冕物質拋射是否到達地球軌道及何時到達地球軌道,是空間天氣領域關注的重要課題。”論文通訊作者、中國科學院國家空間科學中心研究員沈芳介紹。
利用搭載于太陽與日光層觀測臺(SOHO)衛(wèi)星上的大角度和光譜日冕儀的觀測數(shù)據(jù),美國國家航空航天局的研究人員手工整理了1996年至今的日冕物質拋射觀測目錄。該目錄記載了每一次日冕物質拋射事件的時間、位置角、角寬度、速度等,是日冕物質拋射相關研究的重要基礎數(shù)據(jù)。
“然而,面對海量的數(shù)據(jù),手工識別存在著耗時費力的缺點,自動識別日冕物質拋射成為空間天氣研究的熱點。”沈芳說。
此次,科研人員提出了基于機器學習的日冕拋射物質識別與參數(shù)獲取方法。首先,科研人員基于大角度和光譜日冕儀的圖像數(shù)據(jù),訓練了一個能夠判別圖像內是否有日冕物質拋射的卷積神經(jīng)網(wǎng)絡模型;隨后,利用主成分分析方法提取神經(jīng)網(wǎng)絡的特征圖中的信息,獲取了能夠展示每一張觀測圖像中日冕物質拋射位置的共定位圖;最后,根據(jù)不同圖像中日冕拋射物質區(qū)域的形狀、位置等特征,獲取了日冕拋射物質的速度、角寬度以及中央位置角等信息。
“與日冕拋射物質手工目錄以及部分經(jīng)典自動識別方法相比,基于機器學習的日冕拋射物質識別與參數(shù)自動獲取方法效率高、速度快,能夠識別較為微弱的日冕拋射物質信號,并給出準確的日冕拋射物質的形態(tài)信息。”沈芳說。
記者4月16日從中國科學院國家空間科學中心獲悉,基于機器學習,該中心科研人員提出一種日冕物質拋射識別與參數(shù)獲取的新方法。該方法對預報災害性空間天氣具有重要意義。相關研究成果在線發(fā)表于《天體物理學雜志增刊》。
日冕物質拋射(CME)是從太陽拋入行星際空間的大尺度等離子體團,是太陽系內最大尺度的能量釋放活動,也是災害性空間天氣的主要源頭,可能會導致中度到強烈的地磁暴。
“了解日冕物質拋射在日冕以及行星際的傳播和演化過程,預報日冕物質拋射是否到達地球軌道及何時到達地球軌道,是空間天氣領域關注的重要課題。”論文通訊作者、中國科學院國家空間科學中心研究員沈芳介紹。
利用搭載于太陽與日光層觀測臺(SOHO)衛(wèi)星上的大角度和光譜日冕儀的觀測數(shù)據(jù),美國國家航空航天局的研究人員手工整理了1996年至今的日冕物質拋射觀測目錄。該目錄記載了每一次日冕物質拋射事件的時間、位置角、角寬度、速度等,是日冕物質拋射相關研究的重要基礎數(shù)據(jù)。
“然而,面對海量的數(shù)據(jù),手工識別存在著耗時費力的缺點,自動識別日冕物質拋射成為空間天氣研究的熱點。”沈芳說。
此次,科研人員提出了基于機器學習的日冕拋射物質識別與參數(shù)獲取方法。首先,科研人員基于大角度和光譜日冕儀的圖像數(shù)據(jù),訓練了一個能夠判別圖像內是否有日冕物質拋射的卷積神經(jīng)網(wǎng)絡模型;隨后,利用主成分分析方法提取神經(jīng)網(wǎng)絡的特征圖中的信息,獲取了能夠展示每一張觀測圖像中日冕物質拋射位置的共定位圖;最后,根據(jù)不同圖像中日冕拋射物質區(qū)域的形狀、位置等特征,獲取了日冕拋射物質的速度、角寬度以及中央位置角等信息。
“與日冕拋射物質手工目錄以及部分經(jīng)典自動識別方法相比,基于機器學習的日冕拋射物質識別與參數(shù)自動獲取方法效率高、速度快,能夠識別較為微弱的日冕拋射物質信號,并給出準確的日冕拋射物質的形態(tài)信息。”沈芳說。
本文鏈接:http://www.3ypm.com.cn/news-2-4388-0.html科研人員提出日冕物質拋射識別新方法
聲明:本網(wǎng)頁內容由互聯(lián)網(wǎng)博主自發(fā)貢獻,不代表本站觀點,本站不承擔任何法律責任。天上不會到餡餅,請大家謹防詐騙!若有侵權等問題請及時與本網(wǎng)聯(lián)系,我們將在第一時間刪除處理。
點擊右上角微信好友
朋友圈
點擊瀏覽器下方“”分享微信好友Safari瀏覽器請點擊“”按鈕
點擊右上角QQ
點擊瀏覽器下方“”分享QQ好友Safari瀏覽器請點擊“”按鈕