太阳风分类的机器学习方法
摘要：太阳风分类是有助于理解太阳中正在进行的物理过程和在星际空间中太阳风的演化，并且还有助于对太空天气事件的预警。随着人工智能领域的快速发展，机器学习方法越来越多地被用于模式识别方面。在本研究中，我们从机器学习的角度开发了一种自动将1 AU处的太阳风分为四种类型（冠洞起源、带状发源、扇区反转区起源和喷流）的方法。通过枚举，我们发现在13个太阳风参数的8191种组合中，一个八维方案（$B\_T$、$N\_P$、$T\_P$、$V\_P$、$N\_{alpha p}$、$T\_{exp}/T\_P$、$S\_p$和$M\_f$）表现最佳。我们将10种常用的监督机器学习模型（$k$最近邻分类器、具有线性和径向基函数核的支持向量机、决策树、随机森林、自适应Boosting、神经网络、高斯朴素贝叶斯、二次判别分析和极端梯度增强）应用于标记的太阳风数据集。其中，$k$最近邻分类器获得了最高的整体分类准确率，为92.8\%。它比现有的手动方案的精度提高了9.6\%。我们的分类方案不需要太阳风组成测量，可以应用于大多数太阳风航天器数据。此外，两个应用示例表明，太阳风分类有助于对预测的磁暴风险评估和地球同步轨道上航天器的表面电荷情况。
作者：Hui Li, Chi Wang, Cui Tu, and Fei Xu
论文ID：1811.02323
分类：Space Physics
分类简称：physics.space-ph
提交时间：2019-08-26