基于深度学习的多步预测方法在太阳风速度预测上的应用

毛凯舟，谢宗霞，孙彦茹，刘梓璇

（天津大学智能与计算学部，天津 300350）

0 引言

恶劣空间天气对依赖于电磁环境的高科技系统具有重要影响。这些空间天气包括太阳耀斑、日冕物质抛射、太阳质子事件以及电子暴、地磁暴等由于太阳的剧烈活动引起的短时间尺度的变化。在太阳系内，空间天气受到太阳风的巨大影响。

太阳风是一种连续存在、来自太阳并以200～800 km/s的速度运动的高速带电粒子流，对人类的生产生活有着重要影响：当太阳风掠过地球时，会使电磁场发生变化，引起地磁暴、电离层暴，并影响通信，特别是短波通信；对地面的电力网、管道和其他大型结构发送强大元电荷，影响输电、输油、输气管线系统的安全；对卫星的安全运行也会产生影响；还可能引发火山爆发、地震灾害，等等。对近地环境太阳风状况进行可靠的预测，旨在减轻空间天气对人类生产生活的影响，保证近地空间区域的航天活动安全，导航与无线电系统的正常工作，以及地面重要电力网络系统的安全。

目前，对太阳风的各项参数进行预测的技术和方法主要可以分为3类：1）基于物理的磁流体动力学（Magnetohydro-dynamics,MHD）模型的方法，通过检测太阳表面日冕面积的大小，判断当前的太阳状态[1-4]；2）基于人工观测的方法，由大量的观测员对太阳的活动进行实时监测，通过他们的经验知识对太阳每个时刻的状态进行判断[5-7]；3）机器学习方法，采用支持向量机（support vector machine,SVM），由人工神经网络（artificial neural network,ANN）对数据进行训练来判断太阳状态。……