太陽(yáng)耀斑預(yù)報(bào)深度學(xué)習(xí)建模中樣本不均衡研究

摘要： 不同等級(jí)耀斑發(fā)生的頻次存在數(shù)量級(jí)上的差別,使基于常規(guī)卷積神經(jīng)網(wǎng)絡(luò)的耀斑預(yù)報(bào)模型通常難以捕捉M和X類耀斑先兆特征,導(dǎo)致高等級(jí)耀斑預(yù)報(bào)精度低的問(wèn)題.本文對(duì)于這種耀斑預(yù)報(bào)中的長(zhǎng)尾分布問(wèn)題,通過(guò)控制變量法討論不同深度長(zhǎng)尾學(xué)習(xí)方法對(duì)于耀斑預(yù)報(bào)精度提升.嘗試從訓(xùn)練集優(yōu)化、損失函數(shù)優(yōu)化、網(wǎng)絡(luò)權(quán)重優(yōu)化等角度改進(jìn)模型對(duì)于M和X類耀斑的預(yù)報(bào)性能.在SDO/HMI太陽(yáng)磁圖預(yù)報(bào)未來(lái)24 h耀斑的實(shí)驗(yàn)中... （共10頁(yè)）