Extreme Solar Flare Prediction Using Residual Networks with HMI Magnetograms and Intensitygrams

本文提出了一种新的方法，利用HMI强度图和磁力图来预测极端太阳耀斑，尤其是C级、M级和X级太阳耀斑，这些太阳耀斑对卫星操作、通信系统和电网构成了重大风险。通过从强度图中检测太阳黑子并从磁力图中提取磁场斑块，我们训练了一个残差网络（ResNet）来分类极端级别的太阳耀斑。我们的模型表现出高准确度，为预测极端太阳耀斑和改善空间天气预报提供了一个强大的工具。此外，我们还表明，与其他SDO AIA图像相比，HMI磁力图提供了更有用的数据，通过更好地捕捉预测耀斑强度所必需的特征。本研究强调了在太阳耀斑预测中识别磁场的重要性，标志着太阳活动预测的重大进展，并具有缓解空间天气影响的实际应用意义。

论文试图通过使用HMI强度图和磁力图，训练ResNet模型来预测极端太阳耀斑，以提高空间天气预报的准确性，从而减轻它们对卫星操作、通信系统和电网的影响。

论文的关键思路是从强度图中检测太阳黑子，并从磁力图中提取磁场斑块，使用ResNet对极端级别的太阳耀斑进行分类。并且论文表明，相比于其他SDO AIA图像，HMI磁力图提供了更有用的数据，可以更好地捕捉预测耀斑大小所必需的特征。

论文使用了HMI强度图和磁力图，训练了一个高准确性的ResNet模型，用于预测极端太阳耀斑。实验结果表明，HMI磁力图比其他SDO AIA图像更有用。论文的研究成果可以用于减轻空间天气对卫星操作、通信系统和电网的影响。

最近的相关研究包括“Solar flare prediction using deep learning techniques”和“Predicting solar flares using a long short-term memory network”。