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.