基于深度学习的太阳黑子Wilson山磁类型识别方法

LI Shuxin, ZHAO Xuebin, CHEN Jun,LI Weifu, CHEN Hong,CHEN Yanhong,CUI Yanmei,YUAN Tianjiao

Chinese Journal of Space Science（2022）

引用 0|浏览5

暂无评分

摘要

太阳黑子是太阳光球层中带有较强磁场的区域,通常是太阳爆发活动的源区.Wilson山磁分类是当前最为主流的太阳黑子分类方法之一,对研究太阳爆发有重要意义.利用2010-2017年间SDO/HMI成像仪观测到的720s_SHARP磁图和白光图数据,研究使用深度学习对太阳黑子群Wilson山磁分类的方法.实验结果表明,Xception网络在识别太阳黑子Wilson山磁类型上能取得最优的效果,其中对α类型黑子的F1得分为96.50％,β类为93.20％,其他类型的黑子为84.65％.

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要