由太阳爆发事件特征预报地磁暴方法研究

CME是非重现性地磁暴的诱因,通过对太阳耀斑爆发活动的特征与可能引起地磁活动的CME进行统计分析,发现太阳耀斑的强度、位置、持续时间以及耀斑所伴随的太阳质子事件和行星际高能质子通量的增长与CME的特征及可能产生的地磁扰动有着密切的关系.在对数据分析的基础上,建立了基于人工神经网络的预报模式,对太阳耀斑爆发活动所引起的地磁扰动的发生及Ap指数进行了预报,取得了较好的结果.      

质子事件上升时间及峰值强度的统计研究

在耀斑已基本确定为质子耀斑的情况下, 为了对即将到达地球的太阳质子作出半定量的粗略预报(警报), 即估计从观测到光学耀斑开始, 需经多长时间质子通量将到达峰值;峰值强度有多大。为此, 我们收集了1967年5月—1972年12月约五年半期间国外发表的比较系统的质子事件资料, 以及相应的太阳耀斑和太阳射电资料。      

基于PCA方法对太阳活动区主要参量的分析

太阳耀斑与太阳质子事件的发生通常与太阳活动区存在非常密切的关系, 对这种关系的深入分析有助于太阳耀斑和太阳质子事件预报模型的建立. 本文利用主成分分析(Principal Component Analysis, PCA)方法对1997-2010年太阳质子事件所在活动区的主要参量进行分析, 选取的参量包括黑子磁分类、 McIntosh分类、太阳黑子群面积、10.7 cm射电流量、耀斑指数、质子耀斑位置和软X射线耀斑强度. 结果得到81个太阳活动主成分得分值排序(得分值代表每个事件的强弱), 与太阳质子事件峰值流量、太阳黑子年均值以及10.7 cm射电流量年均值的对比显示相似度非常高, 表明主成分得分值一定程度上可以反映太阳活动的强弱规律.      

影响地球环境的太阳质子事件的时间过程

利用1966年以来的大量太阳耀斑以及相应质子事件的资料,分析研究了质子事件到达时间和极大时间同耀斑经度位置的统计关系.结果表明当耀斑位置处于经过地球的行星际大尺度场磁力线足点位置附近时,上述两种时间过程最短.这个结果支持了太阳耀斑粒子经日冕传播再向行星际空间传播的二阶段传播模型.      

基于太阳10.7 cm射电流量的全日面耀斑预报方法

太阳耀斑是一种重要的太阳爆发活动现象,表现为近乎全波段的电磁辐射增强。统计表明,太阳活动水平越高,太阳爆发越频繁,耀斑爆发的概率越大。利用1975-2007年10.7 cm流量与耀斑爆发的统计关系,建立了一种可行的全日面爆发耀斑概率的预报方法,能够实现C,M,X三种级别的耀斑在全日面爆发的概率预报。通过2008-2016年的观测数据,对模型进行了预报性能的评估,得到模型对C,M,X级耀斑发生概率的预报误差均较小,Brier评分误差分别为0.113,0.087,0.012;模型的预报性能均比平均模型有提高,对C,M,X级耀斑发生概率预报的Brier技巧评分分别为0.250,0.106,0.012。在2008-2016年未来1天耀斑预报的模型实测中,模型的预报效果与中国科学院空间环境预报中心的预报效果相当,这说明该模型在实际的空间环境预报中切实可行。     

太阳质子事件与太阳耀斑的关系

通过对0°W-39°W,40°W-70°W,71°W-90°W经度范围内太阳质子事件与太阳耀斑的相关性计算分析,发现太阳质子事件与太阳耀斑的相关系数依赖于经度.太阳耀斑积分与地球磁链接区域（40°W-70°W）太阳质子事件强度的相关系数最大.相关系数的这种特点与耀斑加速粒子的最大流量只出现在磁链接区域的特征相吻合.计算结果表明,太阳耀斑对太阳质子事件具有贡献,即耀斑对E ≥ 10MeV的质子加速有贡献.耀斑和CME在磁链接区域对太阳质子事件的贡献相同,这说明太阳质子事件是混合型事件.      

神经网络方法在太阳质子事件短期预报中的应用

在大量统计结果的基础上,深入研究了太阳质子事件预报机理．总结了质子事件爆发与太阳活动区面积、位置、McIntosh结构、磁结构以及前两天活动区爆发耀斑事件数目之间的关系．然后,在神经网络的基础上建立了太阳质子事件短期预报模型,并对2000年以后12个未参加训练的样本进行测试,结果对事件预报的准确率为83％．此外,我们还利用该模型对2002年1-4月发生的几次质子事件进行了预报试验,结果发现,这期间发生的6次事件都被预报．其中3次质子事件系统预报提前了3天,两次事件预报提前了2天,一次事件提前1天预报．     

太阳质子事件警报

采用人工神经网络预报方法,利用太阳耀斑的日面位置、X射线辐射的峰值流量及其上升时间、2695MHz和8800MHz微波辐射的半积分流量等5个物理参量,提出了一个新的太阳质子事件警报方案,预报太阳质子事件的发生及其流量和时间．该方案在本文检验中达到93．75％的预报准确率．     

用行星引潮力预报太阳耀斑的注记

太阳活动与空间坏境紧密相关,大耀斑会引起空间环境的剧烈扰动．太阳活动预报便成空间环境预报的基本依据．太阳预报水平长期以来提高缓慢,太阳物理学家皆有共识,寄希望于物理预报的进展,但举步维艰．近来,“太阳活动的行星潮汐效应”的研究取得了新进展1)[1,2],引潮力可以触发耀斑,从而,利用这类效应发展物理预报技术,呈现良好前景．“太阳耀斑发生率按行星引潮力的分布”已有几个具体结果,表面看来,其间似乎有出人需予澄清．1972年,董土仑和林柏森发现1958－1968年94个质子耀斑的发生率在其目面经度处（活动经度上）技引潮力…     

基于机器学习方法对23太阳活动周质子事件的研究

在耀斑伴随日冕物质抛射（CME）事件编目数据的基础上，进行太阳质子事件（SPE）匹配，构建研究数据集.利用Apriori算法挖掘SPE与耀斑级别、耀斑发生日面位置以及CME角宽度和速度的关联关系.结果表明:X级耀斑、全晕CME、高速（>1000km·-1） CME和日面西半球耀斑是最可能伴随质子事件的4种特征，其诱发质子事件概率依次为0.366，0.355，0.30，0.155.角宽度低于120°或速度低于400km·-1的CME产生质子事件的概率为0.高速CME产生质子事件的概率是低速（400～1000km·-1） CME的8.6倍，X级耀斑产生质子事件的概率是M级耀斑的6.2倍，日面西部耀斑产生质子事件的概率是日面东部耀斑概率的3.9倍，全晕CME产生太阳质子事件的概率是非全晕（120°～360°） CME的3.8倍.对太阳质子事件样本进行过采样处理，利用随机森林等5种典型有监督学习算法，构建了基于第23太阳活动周耀斑和CME特征的质子事件预测模型.结果表明，该预报模型的质子事件预测准确率、精确率和召回率均控制在91%以上.      

三种类型的质子耀斑

根据SMM卫星观测资料,分析了GRL,PE和GRL/PE三种类型质子耀斑在硬X射线辐射特征上的差异。结果表明,存在的差异与粒子加速区(或作用区)分别处于不同的日面高度有关。      

X级质子耀斑的特征研究

为了更加准确地判断X级耀斑是否引发质子事件,对X级质子耀斑和非质子耀斑的耀斑积分通量、源区、CME速度、CME角宽度、背景太阳风速度及背景X射线通量的分布进行了统计研究.发现非质子耀斑和质子耀斑的积分通量、经度、CME速度和CME角宽度具有明显不同的分布.非质子耀斑大多集中在东部,耀斑积分通量小于0.3J·m-2,CME速度小于1300km·s-1的区域内;质子耀斑大多集中在中部或西部,耀斑积分通量大于0.3J·m-2,CME速度大于1300km·s-1的区域内.质子耀斑伴随的CME角宽度主要集中在360°,非质子耀斑的CME角宽度分布则相对分散.两类耀斑的背景太阳风速度和背景X射线通量分布差别不大.利用两类耀斑各个参量分布上的差异,有望提高X级耀斑预报的准确率.      

第21～24太阳周4类空间天气事件爆发特征统计分析

对第21～24太阳周不同等级的太阳X射线耀斑事件、太阳质子事件、地磁暴事件及高能电子增强事件的爆发频次特征进行统计，结果表明:太阳周耀斑爆发的总数量与该太阳周的黑子数峰值呈正比，耀斑总数、X级耀斑事件数与峰值的相关系数分别为0.974，0.997；太阳质子事件主要发生在峰年前后1～2年，约占总发生次数的80%，峰值通量大于10pfu （1 pfu=1 cm-2·sr-1·s-1）的质子事件中，84%伴有耀斑爆发，并且主要伴随M或X级耀斑，少量伴随C级耀斑，峰值通量大于1000pfu的质子事件中，98%伴随M或X级耀斑，并且以X级耀斑为主；第21，22，23和24太阳周发生地磁暴最频繁的时间分别在1982，1991，2003年和2015年，分别滞后黑子数峰值时间3年、2年、2年和1年；72%的高能电子增强事件发生在太阳周下降期，24%的高能电子增强事件发生在太阳周上升期.      

Properties of solar X-ray flares and proton event forecasting

X-ray flares and acceleration processes are in one complex of sporadic solar events (together with CMEs, radio bursts, magnetic field dissipation and reconnection). This supposes the connection (if not physical, but at least statistical) between characteristics of the solar energetic proton events and flares. The statistical analysis indicates that probability and magnitude of the near-Earth proton enhancement depends heavily on the flare importance and their heliolongitude. These relations may be used for elaboration of the forecasting models, which allow us to calculate probability of the solar proton events from the X-ray observations.     

一种新的太阳质子事件警报方法的探讨

本文分析了第21太阳活动周后半期的太阳质子耀斑硬X射线辐射资料, 发现它们的峰值流量、积分流量、上升沿斜率、X光子的最高能量和持续时间等物理参数之间有着不同于非质子耀斑的相关性。据此, 本文采用模糊聚类分析法, 对21太阳活动周期间(1980.2—1986.2)的质子事件进行预报试验。其报准率为88.5%, 虚报率为53.1%, 漏报率为11.5%。本文提供了基于X射线辐射特征的太阳质子事件警报的新途径和方法。      

Solar proton enhancements in different energy channels and coronal mass ejections during the last solar cycle

The main properties of 11622 coronal mass ejections (CMEs) observed by the Solar and Heliospheric Observatory (SOHO) mission’s Large Angle and Spectrometric Coronagraph (LASCO-C2) from January 1996 through December 2006 are considered. Moreover, the extended database of solar proton enhancements (SPEs) with proton flux >0.1 pfu at energy >10 MeV measured at the Earth’s orbit is also studied. A comparison of these databases gives new results concerning the sources and acceleration mechanisms of solar energetic particles. Specifically, coronal mass ejections with width >180° (wide) and linear speed >800 km/s (fast) seem they have the best correlation with solar proton enhancements. The study of some specific solar parameters, such as soft X-ray flares, sunspot numbers, solar flare index etc. has showed that the soft X-ray flares with importance >M5 may provide a reasonable proxy index for the SPE production rate. From this work, it is outlined that the good relation of the fast and wide coronal mass ejections to proton enhancements seems to lead to a similar conclusion. In spite of the fact that in the case of CMEs the statistics cover only the last solar cycle, while the measurements of SXR flares are extended over three solar cycles, it is obvious for the studied period that the coronal mass ejections can also provide a good index for the solar proton production.     

Solar flares: an overview.

This is a survey of solar phenomena and physical models that may be useful for improving forecasts of solar flares and proton storms in interplanetary space. Knowledge of the physical processes that accelerate protons has advanced because of gamma-ray and X-ray observations from the Solar Maximum Mission telescopes. Protons are accelerated at the onset of flares, but the duration of any subsequent proton storm at 1 AU depends on the structure of the interplanetary fields. X-ray images of the solar corona show possible fast proton escape paths. Magnetographs and high-resolution visible-band images show the magnetic field structure near the acceleration region and the heating effects of sunward-directed protons. Preflare magnetic field growth and shear may be the most important clues to the physical processes that generate high energy solar particles. Any dramatic improvement in flare forecasts will require high resolution solar telescopes in space. Several possibilities for improvements in the art of flare forecasting are presented, among them: the use of acoustic tomography to probe for subsurface magnetic fields; a satellite-borne solar magnetograph; and an X-ray telescope to monitor the corona for eruptions.     

Application of support vector machine combined with K-nearest neighbors in solar flare and solar proton events forecasting

The support vector machine (SVM) combined with K-nearest neighbors (KNN), called the SVM-KNN method, is new classing algorithm that take the advantages of the SVM and KNN. This method is applied to the forecasting models for solar flares and proton events. For the solar flare forecasting model, the sunspot area, the sunspot magnetic class, and the McIntosh class of sunspot group and 10 cm solar radio flux are chosen as inputs; for the solar proton event forecasting model, the inputs include the longitude of active regions, the flux of soft X-ray, and those for the solar flare forecasting model. Detailed tests are implemented for both of the proposed forecasting models, in which the SVM-KNN and the SVM methods are compared. The testing results demonstrate that the SVM-KNN method provide a higher forecasting accuracy in contrast to the SVM. It also gives an increased rate of ‘Low’ prediction at the same time. The ‘Low’ prediction means occurrence of solar flares or proton events with predictions of non-occurrence. This method show promise for forecasting models of solar flare and proton events.