PulseAugur
中
实时 14:06:24
English(EN) Deep Learning-Enabled Prediction of Geoeffective CMEs Using SOHO and SDO Observations

深度学习模型预测地磁效应太阳爆发

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的深度学习模型，用于预测太阳日冕物质抛射（CME）是否会引起地磁暴。该模型融合了用于特征学习的卷积神经网络和用于分类的预测网络，利用了SOHO和SDO航天器的数据。该融合模型在确定性预测中达到了0.703的真实技能统计量（TSS），在概率预测中达到了0.095的Brier分数，表明其在预测日地相互作用方面表现强劲。 AI

影响 增强了空间天气事件的预测能力，这对于保护地球基础设施至关重要。

排序理由 该集群包含一篇详细介绍新研究方法及其性能指标的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

深度学习模型预测地磁效应太阳爆发

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Zhaoxin Yan, Jason T. L. Wang, Haimin Wang, Harim Lee, Ju Jing, Yan Xu, Chunhui Xu, Vasyl Yurchyshyn ·

    基于深度学习的日地共济日冕物质抛射预测（利用SOHO和SDO观测数据）

    arXiv:2605.24748v1 Announce Type: cross Abstract: Understanding and forecasting the geoeffectiveness of a coronal mass ejection (CME) is crucial for protecting infrastructure in the near-Earth space environment and on Earth. In this study, we present a novel fusion model to forec…

相关话题