| 基于神经网络的未来3天Kp指数预报建模与可解释AI应用 |
| |
| 作者姓名： | 王听雨 罗冰显 陈艳红 石育榕 王晶晶 刘四清 |
| |
| 作者单位： | 中国科学院国家空间科学中心空间天气学国家重点实验室 北京 100190;中国科学院国家空间科学中心空间天气学国家重点实验室 北京 100190;中国科学院大学 北京 100049 |
| |
| 基金项目： | 中国科学院战略性先导科技专项(XDB0560000), 国家自然科学基金面上项目(42074224), 中国科学院重点部署项目(ZDRE-KT-2021-3), 中国科学院国家空间科学中心“攀登计划”青年创新课题(E4PD40012S)和中国科学院青年创新促进会共同资助 |
| |
| 摘 要： | 当前业务中对未来3天Kp指数预报需求强烈. 但地磁暴中多参数耦合导致难以量化各预报因子对Kp值的贡献, 制约了预报精度提升. 本文构建了神经网络3天Kp指数预报模型, 并使用人工智能(AI)可解释性算法定量化各因子贡献. 结果显示, 行星际磁场南向分量在提前3 h对Kp指数的贡献为37.15%, 为主要因子, 说明模型能捕捉符合物理特征的主要预报因子. Kp指数历史特征贡献随提前量逐渐增加, 提前3天总体贡献占68.06%, 验证了对冕洞高速流引起的地磁暴事件的预报能力. 对2015和2017年特大地磁暴进行贡献分析, 模型准确捕捉了地磁暴多参数耦合的复杂特性. 研究表明, 可解释AI算法在一定程度上能定量化各预报因子对Kp指数的预报贡献, 有助于改进未来3天Kp指数AI预报模型.
|
| 关 键 词： | 地磁暴 未来3天Kp指数预报 神经网络 可解释性AI算法 |
| 收稿时间： | 2023-09-27 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《空间科学学报》浏览原始摘要信息 |
|
点击此处可从《空间科学学报》下载全文 |
|
