利用多源太阳观测数据与多任务深度学习技术实现太阳高能粒子事件及质子通量的实时预测

《Scientific Reports》：Realtime forecasting of solar energetic particle event and proton flux using multi-source solar observations and multi-task deep learning

　　

摘要

太阳高能粒子事件是指在大于10 MeV能量范围内质子通量超过10 pfu的现象，这类事件会对航天器运行、宇航员安全以及高纬度地区的航空活动构成重大威胁。由于太阳高能粒子事件的复杂性及发生频率较低，实现可靠的预测仍是空间天气研究中的重要挑战。本文提出了一种新的24小时提前实时预测框架SEPNET-PRISM，该框架基于多任务学习结构，并整合了来自多个来源、涵盖多个太阳周期的丰富特征数据，能够同时预测太阳高能粒子事件的发生情况以及未来的质子通量和软X射线通量。SEPNET-PRISM在原有SEPNET模型的基础上进行了改进，它纳入了更多类型的太阳观测数据，包括SHARP和SMARP提供的活动区磁参数、太阳耀斑信息、日冕物质抛射数据、软X射线通量以及历史上的大于10 MeV质子通量数据。与SEPNET相比，引入SMARP数据使得磁场预测的时间范围延伸到了更早的太阳周期，而基于通量的输入数据则提供了额外的前兆信息。在CLEAR太阳高能粒子事件基准数据集上的测试结果显示，与之前版本的SEPNET-O相比，该模型在新调整的数据集上具有更高的分类准确率。当将磁场、辐射信号以及质子通量相关的预测因子结合使用时，能够得到最优的预测效果，这充分体现了扩大历史数据覆盖范围以及利用多种互补性前兆信息对于提升实时太阳高能粒子事件预测能力的价值。