太陽耀斑預報深度學習建模中樣本不均衡研究

摘要： 不同等級耀斑發(fā)生的頻次存在數量級上的差別,使基于常規(guī)卷積神經網絡的耀斑預報模型通常難以捕捉M和X類耀斑先兆特征,導致高等級耀斑預報精度低的問題.本文對于這種耀斑預報中的長尾分布問題,通過控制變量法討論不同深度長尾學習方法對于耀斑預報精度提升.嘗試從訓練集優(yōu)化、損失函數優(yōu)化、網絡權重優(yōu)化等角度改進模型對于M和X類耀斑的預報性能.在SDO/HMI太陽磁圖預報未來24 h耀斑的實驗中... （共10頁）