NAOC Open IR
基于自动特征提取方法的太阳耀斑预报模型
李蓉1; 朱杰1; 黄鑫2; 崔延美3
2016
Source Publication科学通报
ISSN0023-074X
Volume61Issue:36Pages:3958
Abstract在太阳耀斑预报模型中,首先需要从原始观测数据中提取刻画太阳活动区特性的物理特征参量,然后使用统计或机器学习方法寻找物理特征参量与太阳耀斑发生的关系,以达到建立太阳耀斑预报模型的目的.其中,太阳活动区物理特征的提取在整个建模过程中发挥着重要的作用,活动区物理特征的优劣直接决定着预报模型性能的高低.然而,随着机器学习技术的发展,机器学习方法中的深度学习算法能够从原始数据中自动提取特征,并建立预报模型.本文利用深度学习方法建立了一个太阳耀斑预报模型.与先提取活动区物理参量、再建立预报模型的传统机器学习方法相比较,本文所建立的预报模型具有更好的预报性能.
Language英语
Document Type期刊论文
Identifierhttp://ir.bao.ac.cn/handle/114a11/51508
Collection中国科学院国家天文台
Affiliation1.北京物资学院
2.中国科学院国家天文台
3.中国科学院国家空间科学中心
Recommended Citation
GB/T 7714
李蓉,朱杰,黄鑫,等. 基于自动特征提取方法的太阳耀斑预报模型[J]. 科学通报,2016,61(36):3958.
APA 李蓉,朱杰,黄鑫,&崔延美.(2016).基于自动特征提取方法的太阳耀斑预报模型.科学通报,61(36),3958.
MLA 李蓉,et al."基于自动特征提取方法的太阳耀斑预报模型".科学通报 61.36(2016):3958.
Files in This Item:
There are no files associated with this item.
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[李蓉]'s Articles
[朱杰]'s Articles
[黄鑫]'s Articles
Baidu academic
Similar articles in Baidu academic
[李蓉]'s Articles
[朱杰]'s Articles
[黄鑫]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[李蓉]'s Articles
[朱杰]'s Articles
[黄鑫]'s Articles
Terms of Use
No data!
Social Bookmark/Share
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.