1996—2002年太阳耀斑的统计分析

分析了1996—2002年南北半球的太阳黑子相对数和南北半球太阳X射线耀斑级别(简称Imp)≥M1.0的太阳X射线耀斑的特征和不对称性.分析结果表明,南北半球的太阳耀斑活动的程度交替上升,在2001年7月以前北半球的太阳耀斑活动强于南半球, 2001年7月开始耀斑活动逐渐以南半球为主.本文还逐月分析了1996—2001年南北半球的耀斑指数. 2000年7月为第23周太阳指数最大的一个月、与第23周太阳黑子相对数最大月均值吻合.

用行星引潮力预报太阳耀斑的注记

In thes note it is pointed out that the probability of flare-occurrence at different heliographic longitudes is related to the planetary tide force. There is a maximum flare-occurringprobability on the maximum phase of the tide force and a sub-maximum occurring probabilityon the minimun phase. This could be used as a reference in forecasting solar flares.

第22周峰年强耀斑活动及持续性预报

利用１９８９ 年到１９９１ 年的观测资料， 按面积把太阳黑子群分成五类统计分析了各类黑子群的强耀斑活动（Ｉ＞ ＝ Ｍ） 结果是： Ｓｍ ＞ ＝ ５００ 的黑子群占全部黑子群的６３ ％ ， 产生了５６ ％ 的强耀斑近半数的强耀斑产生于面积小于５００ 的小黑子群文中分析了小黑子群产生强耀斑的磁场位形先兆， 这些先兆有： １） 磁流浮现， （２） 磁轴垂直， （３） 反极性活动区， （４） 活动区旋转， （５）同极性磁流合并或撕裂， 但仍有相当多的小黑子群产生耀斑前无任何先兆； 用极大熵谱的ＡＲ 模式计算了四个超级活动区的强耀斑活动周期： 分析讨论了持续性预报的适用范围以及它的弊病文中指出，

日冕物质抛射与太阳耀斑的时序关系分析

日冕物质抛射表现为在短时间内快速地由日冕向外抛射出大量等离子体物质,这些物质进入星际空间,特别是日地空间,会对日地空间的磁场分布造成影响。采用自1996年1月3日至2009年7月31日的太阳耀斑和日冕物质抛射的样本,对日冕物质抛射和耀斑的时序关系进行分时间窗口统计研究。结果表明对于耀斑而言,日冕物质抛射与其有密切的时序关系且耀斑级别越大时序关系越密切。而对于日冕物质抛射而言,耀斑与其没有密切的时序关系,这可能是所选取的样本中包含大量太阳背面日冕物质抛射所致。这一结论可以用于日冕物质抛射预报。

基于太阳黑子群数据的多模态太阳耀斑预报模型

当前的太阳耀斑预报模型主要通过统计关系建立,直接将从太阳黑子群磁图中提取的特征参量作为模型输入,系统的自主性低,导致图像数据中包含的与太阳耀斑相关的高阶抽象信息难以被充分利用,进而限制模型预报的精度。为解决当前太阳耀斑预报中数据利用不充分的问题,文章将海量太阳观测数据与先进的人工智能技术结合,综合利用太阳活动区磁场观测图、磁场特征参量和对应的耀斑事件标签,并借助全连接神经网络高精确率以及卷积神经网络高召回率和可有效提取高层语义信息的优点,构建基于深度学习的多模态太阳耀斑预报模型。实验证明该模型的主要评价指标结果比其他模型至少提高7.8%。

基于太阳10.7 cm射电流量的全日面耀斑预报方法

太阳耀斑是一种重要的太阳爆发活动现象,表现为近乎全波段的电磁辐射增强。统计表明,太阳活动水平越高,太阳爆发越频繁,耀斑爆发的概率越大。利用1975-2007年10.7 cm流量与耀斑爆发的统计关系,建立了一种可行的全日面爆发耀斑概率的预报方法,能够实现C,M,X三种级别的耀斑在全日面爆发的概率预报。通过2008-2016年的观测数据,对模型进行了预报性能的评估,得到模型对C,M,X级耀斑发生概率的预报误差均较小,Brier评分误差分别为0.113,0.087,0.012;模型的预报性能均比平均模型有提高,对C,M,X级耀斑发生概率预报的Brier技巧评分分别为0.250,0.106,0.012。在2008-2016年未来1天耀斑预报的模型实测中,模型的预报效果与中国科学院空间环境预报中心的预报效果相当,这说明该模型在实际的空间环境预报中切实可行。

太阳耀斑预报研究进展

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,对其研究具有重要的实用价值和科学意义.现有的大部分太阳耀斑预报模型是从观测数据提取预报因子,利用各种统计和数据挖掘技术建立预报因子与耀斑发生之间的关系模型,利用建立的模型对未来时间的耀斑发生进行预报.在预报研究中,预报因子、预报方法和预报模型是3个主要研究领域.其中预报因子的选取和数据处理尤为重要,是建立预报模型的前期工作.预报因子主要采用太阳黑子、磁场参量和分形因子等.预报方法包括统计方法、机器学习方法和数据同化方法.统计方法在早期的耀斑预报建模中用的较多,随着数据挖掘技术的发展,越来越多的机器学习方法应用到预报模型中并取得了较好效果.而近期发展的数据同化方法有更好的模型修正能力.预报模型早期基本使用静态模型,后来发展起来的动态模型具有更强的优势;而自组织临界模型在物理方面给了耀斑发生更多的解释.本文分别从这3个方面总结了耀斑预报的研究进展,结合中国科学院国家天文台太阳活动预报中心的工作,评述了一些重要的研究成果.最后,对未来的研究方向进行了总结和展望.