基于机器学习的日冕仪图像分类方法研究

• 作者: 单家辉 封莉 张岩 甘为群 袁汉青 钟忺 黄宇 黎辉
• 来源期刊: 天文学报
• 学科: 地球科学
• 关键词: 太阳:日冕物质抛射 技术:图像处理 方法:数据分析
• 年，卷（期）: 2020,（4）
• 页码范围: 129-139
• 页数: 11页
• 分类号: P182
• 字数: 5532字
• 语种: 中文
• DOI: 10.15940/j.cnki.0001-5245.2020.04.014

摘要

日冕物质抛射(Coronal Mass Ejection,CME)的检测是建立CME事件库和实现对CME在行星际传播的预报的重要前提.通过Visual Geometry Group(VGG)16卷积神经网络方法对日冕仪图像进行自动分类.基于大角度光谱日冕仪(Large Angle and Spectrometric Coronagraph Experiment,LASCO)C2的白光日冕仪图像,根据是否观测到CME对图像进行标记.将标记分类的数据集用于VGG模型的训练,该模型在测试集分类的准确率达到92.5％.根据检测得到的标签结果,结合时空连续性规则,消除了误判区域,有效分类出CME图像序列.与Coordinated Data Analysis Workshops(CDAW)人工事件库比较,分类出的CME图像序列能够较完整地包含CME事件,且对弱CME结构有较高的检测灵敏度.未来先进天基太阳天文台(Advanced Space-based Solar Observatory,ASO-S)卫星的莱曼阿尔法太阳望远镜将搭载有白光日冕仪(Solar Corona Imager,SCI),使用此分类方法将该仪器产生的日冕图像按有无CME分类.含CME标签的图像将推送给中国的各空间天气预报中心,对CME进行预警.