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

摘要： 不同等級耀斑發(fā)生的頻次存在數(shù)量級上的差別,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)致高等級耀斑預(yù)報(bào)精度低的問題.本文對于這種耀斑預(yù)報(bào)中的長尾分布問題,通過控制變量法討論不同深度長尾學(xué)習(xí)方法對于耀斑預(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)模型對于M和X類耀斑的預(yù)報(bào)性能.在SDO/HMI太陽磁圖預(yù)報(bào)未來24 h耀斑的實(shí)驗(yàn)中... （共10頁）