基于深度学习的地磁活动预测模型研究进展
基于深度学习的地磁活动预测模型研究进展
地磁活动对地球有着重要影响，可能会影响航天器和电力电网。科学家们使用地磁指数来描述地磁活动的总体水平。准确预测地磁指数对于灾害风险管理至关重要。本文介绍了基于深度学习的地磁活动预测模型，包括KpNet、GNet、SYMHnet等，这些模型结合了Transformer、LSTM等技术，并引入了贝叶斯推理来量化预测不确定性。
基于Transformer的地磁指数预测框架
在《智能信息系统期刊》2023年11月发表的一篇论文中，研究者提出了一种名为GNet的深度学习框架，用于预测地磁指数。GNet以NASA空间科学数据中心提供的太阳风参数时间序列作为输入，预测给定时间点t后的Kp和ap指数值，预测时间范围从1到9小时。该模型结合了Transformer编码器块和贝叶斯推理，能够量化数据不确定性和模型不确定性。实验结果表明，GNet在均方根误差和R平方分数方面优于相关机器学习方法，并且能够提供数据和模型不确定性量化结果。
KpNet：基于Transformer的地磁活动预测框架
在《智能系统基础》（ISMIS 2022）中，研究者提出了一种名为KpNet的新型深度学习方法，用于基于NASA空间科学数据中心的太阳风参数进行Kp指数的短期预测。KpNet结合了Transformer编码器块和贝叶斯推理，能够量化数据不确定性和模型不确定性。实验结果表明，KpNet在均方根误差和R平方分数方面优于相关机器学习方法，并且能够提供数据和模型不确定性量化结果。
地磁扰动等级预测的分类算法
在《神经计算、机器学习和认知研究进展》（NEUROINFORMATICS 2022）中，研究者探讨了使用机器学习算法预测地磁Kp指数等级的方法。研究测试了多种机器学习算法，包括梯度提升模型、线性模型和神经网络。由于极端Kp指数值很少见，导致严重的类别不平衡问题，研究采用了SMOTE技术对少数类进行过采样。结果表明，SMOTE可以改善远期预测的质量。研究还测试了时间序列交叉验证进行超参数优化，但发现这并没有提高预测质量。
基于深度学习的地磁暴扰动预测
在《空间天气》2023年11月发表的一篇论文中，研究者使用长短期记忆（LSTM）网络预测SYM-H指数，该指数用于表征地磁暴。研究使用了来自日地L1拉格朗日点的公共行星际磁场（IMF）数据和SYM-H数据。研究的目标是估计深度学习模型在预测SYM-H指数时的预测不确定性，这对于设置可靠的警报阈值至关重要。研究结果表明，预测不确定性在地磁暴的关键阶段相当显著。研究还包括了LSTM网络的重要超参数优化和鲁棒性测试。
基于贝叶斯深度学习的SYM-H指数预测
在《空间天气》2024年2月发表的一篇论文中，研究者提出了一种名为SYMHnet的新型深度学习框架，用于基于NASA空间科学数据中心提供的太阳风和行星际磁场参数时间序列预测SYM-H指数。SYMHnet结合了图神经网络（GNN）和双向长短期记忆（BiLSTM）网络，能够量化数据不确定性和模型不确定性。实验结果表明，SYMHnet在平静期和暴动期都能很好地预测SYM-H指数，预测效果优于相关机器学习方法。例如，在一次大型地磁暴（SYM-H = -393 nT）中，使用5分钟分辨率数据预测1小时后的SYM-H指数时，SYMHnet的预报技能分数（FSS）为0.343，而最近的梯度提升机（GBM）方法的FSS仅为0.074。
预测日冕物质抛射的地磁影响的时间高效数据驱动建模方法
在《天体物理学杂志通讯》2023年6月发表的一篇论文中，研究者开发了一种基于三维磁流体力学的行星际日冕物质抛射（CME）磁绳-磁层相互作用模块。通过适当的校准，研究者估计了一个地磁效应的代理指标——风暴强度指数（STORMI），并与Dst/SYM-H指数进行了比较。研究结果表明，STORMI指数与Dst和SYM-H指数具有高度线性相关性。该方法相对简单，参数较少，计算效率高，具有扩展预测时间窗口的潜力。
图2. 行星磁层的3D视图，从接近黄道面的视角观察。地球的极开放磁场线（橙色）、封闭的内磁层磁场线（青色）和行星际磁场（绿色）用彩色线条表示。展示了2003年11月20日的强事件（a）和2006年4月14日的中等事件（b）。白色箭头表示地球的旋转轴。顶部和底部图像显示了磁绳前半部分经过后形成的电流密度（J）分布。黄色箭头表示太阳方向（沿x轴）。
地磁指数预测模型评估指南
在《空间天气》2018年12月发表的一篇论文中，研究者回顾了当前用于预测地磁指数的模型及其评估方法。这些方法分为两类：（1）拟合性能指标，如均方根误差和平均绝对误差，用于时间序列比较；（2）事件检测性能指标，如海德克技能分数和检测概率，基于模型和观测值超过（或未超过）阈值的列联表。研究还讨论了评估指标的最佳实践、局限性和不确定性，包括使用地磁指数时需要考虑的几个注意事项。