空间中心科研人员提出深度学习驱动的双阶段全日面太阳耀斑预测模型

太阳耀斑是一种剧烈的太阳活动现象，其增强的电磁辐射能够引发电离层扰动，导致短波通信衰减和导航定位误差。大耀斑通常还会伴随日冕物质抛射和太阳质子事件，进而引发地磁暴、高能电子暴、电离层暴等一系列不同形式的地球空间环境扰动事件。目前的太阳耀斑预报方法存在预报准确性受限、输入参量复杂以及难以在业务系统中稳定应用等问题。

全日面耀斑指数（Flare Index, FI）综合表征了一段时间内太阳耀斑活动的频度和强度，是衡量全日面耀斑活动水平的重要量化参数。受活动区快速演化、磁场重联过程等因素影响，FI序列同时包含缓慢变化的背景活动与突发增强的短期扰动，呈现出显著的非平稳性和复杂性。为此，中国科学院国家空间科学中心太阳活动与空间天气重点实验室罗冰显研究员团队研发了基于全日面耀斑指数的双阶段太阳耀斑预测方法。首先，采用“趋势–扰动”分解策略，将全日面耀斑指数拆分为刻画太阳活动缓慢演化的长期趋势分量和反映爆发事件的短期扰动分量，并分别利用时序建模能力突出的 iTransformer 深度学习模型进行独立预测，再对两部分结果进行融合以获得FI预测值。在此基础上，进一步构建回归–分类一体化的第二阶段预报框架，将预测得到的FI映射为不同耀斑强度等级，实现从连续指数到离散耀斑等级的联合预报。该双阶段深度学习模型为提升全日面耀斑预报的准确性与稳定性提供了一种新的技术途径，其输入参数的简单、实时易获取性也为模型在耀斑预报的业务集成提供了快捷通道。

图1 FI“趋势-扰动”双分量预测框架

图2 FI到耀斑等级的回归-分类映射模型

在2019-2024太阳活动从低谷上升至峰年期的预报评估中，模型的预测性能显著优于SWPC和SEPC业务模式，并在2024年5月的典型耀斑事件中成功实现72小时预警。

图3 所提方法与业务预报模式的预测性能对比

该研究得到了中国科学院战略性先导科技专项资助，论文发表于国际期刊The Astrophysical Journal Supplement Series。

文章链接：Yan, Shuainan; Cai, Yanxia; Luo, Bingxian; Shi, Liqin; Cui, Yanmei. “Dual-stage Flare Prediction Using a Full-disk Flare Index: Trend-disturbance Decomposition and Hybrid Forecasting Model.” The Astrophysical Journal Supplement Series 281 (2): 31. https://doi.org/10.3847/1538-4365/ae0aca.

（供稿：天气室）