日冕物质抛射事件研究有了新发现本文转自：科技日报日冕物质

本文转自：科技日报
日冕物质抛射 (简称CME) 是太阳释放能量的一种形式，也是影响空间天气的主要因素之一。大型日冕物质抛射事件会影响通信、导航、航空活动、电网运行等，为了避免安全威胁和资产损失，准确判断日冕物质抛射会“撞上”还是“错过”地球，以及预测日冕物质抛射到达的时间，其相关研究至关重要。近日，在《空间科学与技术》?(Space: Science & Technology)期刊新发表的论文中，中国科学院国家空间科学中心的石育榕研究员团队建立了逻辑回归模型来预测日冕物质抛射是否会到达地球，并使用推荐算法挑选出最相似的历史事件，从而为日冕物质抛射整体应对策略的设计提供了技术支撑。

文章图片

文章图片

首先，作者从太阳与日光层观测台（SOHO）/大角度和光谱日冕仪（LASCO）的日冕物质抛射目录中，所收录的30321个日冕物质抛射事件中选取了数据样本。借助过采样技术处理了不平衡数据，共获得了181个正样本和 3486个负样本。同时，通过收集角宽、中心位置角、测量位置角、初速度、末速度、20个太阳半径处速度以及质量等8个特征参数，构建了完整统一的无量纲数据集。

文章图片

文章图片

【日冕物质抛射事件研究有了新发现】然后，作者设计了仿真实验。也就是将已经获得的3667个样本被随机等分为两组，一组用于权重训练，另一组用于推荐测试。在权重训练阶段，作者使用了1466个样本作为训练集，基于逻辑回归和推荐算法的框架训练权重系数，而剩余数据作为验证集。之后，采用了两种逻辑回归框架进行性能对比，发现使用推荐算法来训练特征参数的权重耗时长，而逻辑回归的方法更容易获得权重。因此，作者提出，将逻辑回归方法获得的权重应用于推荐算法，借助余弦距离和欧氏距离，来搜索与目标日冕物质抛射事件最相似的历史事件。结果表明，将逻辑回归权重应用于推荐算法的模型优于单独使用推荐算法的模型，这个结果为日冕物质抛射整体应对策略的设计提供了新思路、新方法。