您的位置： 专家智库 > >

崔延美

作品数：26 被引量：30H指数：4
供职机构：中国科学院更多>>
发文基金：国家自然科学基金北京市教育委员会科研基地北京市教育委员会科技发展计划更多>>
相关领域：天文地球自动化与计算机技术航空宇航科学技术更多>>

合作作者

文献类型

  • 20篇期刊文章
  • 5篇专利
  • 1篇学位论文

领域

  • 17篇天文地球
  • 5篇自动化与计算...
  • 1篇航空宇航科学...

主题

  • 15篇耀斑
  • 11篇质子事件
  • 11篇太阳质子事件
  • 8篇太阳耀斑
  • 4篇支持向量
  • 4篇支持向量机
  • 4篇数据库
  • 4篇太阳活动
  • 4篇网络
  • 4篇向量
  • 4篇向量机
  • 4篇活动区
  • 3篇神经网
  • 3篇神经网络
  • 3篇计算机
  • 3篇BP神经
  • 3篇BP神经网
  • 3篇BP神经网络
  • 3篇磁场
  • 2篇代表点

机构

  • 18篇中国科学院
  • 11篇北京物资学院
  • 11篇中国科学院国...
  • 6篇中国科学院国...
  • 5篇中国科学院大...
  • 2篇中国科学院研...
  • 1篇华中农业大学

作者

  • 26篇崔延美
  • 15篇李蓉
  • 10篇刘四清
  • 8篇贺晗
  • 6篇师立勤
  • 5篇王华宁
  • 3篇钟秋珍
  • 3篇陈艳红
  • 3篇杜占乐
  • 2篇林瑞淋
  • 2篇张丽云
  • 2篇程永宏
  • 2篇何玉林
  • 2篇苗娟
  • 2篇朱杰
  • 2篇龚建村
  • 2篇陈东
  • 2篇陈赵峰
  • 2篇黄鑫
  • 2篇张桂清

传媒

  • 8篇空间科学学报
  • 3篇科学技术与工...
  • 2篇科学通报
  • 2篇计算机仿真
  • 2篇中国科学：物...
  • 1篇计算机工程与...
  • 1篇科技信息
  • 1篇载人航天

年份

  • 2篇2022
  • 1篇2021
  • 3篇2017
  • 1篇2016
  • 2篇2015
  • 1篇2014
  • 2篇2013
  • 3篇2011
  • 3篇2010
  • 4篇2009
  • 2篇2008
  • 2篇2007
共 26 条 记 录，以下是 1-10
全选 清除 导出
排序方式：
应用数据挖掘技术的短期太阳耀斑预报模型被引量：3
2011年
为了进一步探讨太阳耀斑与太阳黑子参量的关系,本文采集了大规模的活动区黑子数据,统计其与耀斑发生的产率关系,应用得到的拟和公式对原始数据计算得到规范化后的数据集.在此基础上使用数据挖掘技术对黑子耀斑数据建立决策树模型和建立分类规则,具体描述了黑子数据和太阳耀斑之间的相关性.最后应用这两种技术对活动区未来48h是否爆发耀斑给出了预报,预报结果具有较高的准确率和较低的虚报率.
李蓉崔延美
关键词：太阳耀斑决策树
基于长短期记忆神经网络的太阳耀斑短期预报被引量：1
2022年
提出了一个基于长短期记忆神经网络的耀斑预报模型,利用过去24 h太阳活动区的磁场变化时序构建样本,通过长短期记忆神经网络对磁场特征时序演化进行分析,预报未来48 h内是否发生≥M级别耀斑事件。使用的数据集为2010年5月到2017年5月所有活动区样本,选取了SDO/HMI SHARP的10个磁场特征参量。在建模过程中通过XGBoost方法选取权重、增益率和覆盖率均较高的6个特征参量作为输入参数。通过测试对比,模型的虚报率和准确率与传统机器学习模型相近,报准率和临界成功指数分别为0.7483和0.7402,优于传统机器学习模型。模型总体效果优于传统机器学习模型。
何欣燃钟秋珍钟秋珍刘四清崔延美闫晓辉刘四清
学习矢量量化网络在太阳耀斑预报中的应用
2009年
为了提高太阳耀斑预报的预报精度,主要是提高识别性能,提出了应用学习矢量量化(Learning Vector Quantity,LVQ)网络建立耀斑预报模型。LVQ是一种基于竞争学习规则的神经网络,采用有监督学习模式。算法每次修改连接获胜输出单元的权向量。更新规则是获胜单元的类别与输入向量的类别相匹配,它的权向量将向模式移近,否则将距离拉开。应用LVQ的耀斑预报模型是两层神经网络结构,输入层单元为预报因子的特征值,输出单元是耀斑预报的类别。仿真预报结果证明预报模型具有较高的预报精度,说明LVQ是有效的预报方法。
李蓉崔延美贺晗
关键词：耀斑参考点
基于深度学习的太阳黑子Wilson山磁类型识别方法被引量：1
2022年
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%。
李书馨赵学斌陈君李伟夫陈洪陈艳红陈艳红袁天娇
关键词：太阳黑子
一种计算机太阳活动预报系统
一种计算机太阳活动预报系统，在包含带人机界面的服务器和海量数据库的系统中，设有一个预报模块，包括基于ARIMA模型建立的射电流预报模型、基于SVM的质子预报模型和基于多元判别模式的耀斑预报模型，预报模块中还有网站自动数据...
王华宁李蓉贺晗杜占乐崔延美张丽云张桂清何玉林
文献传递
中短期任务的太阳质子事件通量预报研究被引量：2
2015年
太阳质子事件通量的预测对航天器的抗辐射加固设计和宇航员的出舱活动具有重要意义。针对1年以下的中短期航天任务,对太阳活跃年和太阳平静年分别统计了太阳质子事件和大于10 Me V质子事件通量的发生概率,分析得到太阳质子事件通量分布基本符合对数正态分布。在此基础上,计算出了一定置信度下1年以下不同航天任务期内的质子事件通量分布,为执行中短期航天任务提供了太阳质子事件通量预测的依据。
崔延美师立勤刘四清
关键词：太阳质子事件航天任务
基于统计学习技术的太阳质子事件预报模型
2014年
结合太阳耀斑与日冕物质抛射参量作为预报因子建立太阳质子事件预报模型。描述太阳耀斑的三个特征参量包括耀斑峰值流量、持续时间和耀斑维度;太阳质子事件的三个特征参量分别为CME宽度、CME速度和测量位置角度。首先使用信息增益率评价各参量对质子事件发生的重要度,结果表明相比于耀斑峰值流量和持续时间,CME宽度和速度对质子事件发生具有更高的重要性。基于上述参量,应用线性Logistic回归方法建立质子事件预报模型。对模型进行检测并与只选用耀斑参量的预报模型的预报结果进行比较,结果显示采用耀斑结合CME参量的预报模型具有较高的预报准确率和较低的虚报率,尤其对于质子事件发生的报准率提高较多(67.5%上升到90%)。实验结果验证CME参量作为预报因子的有效性。
李蓉黄鑫崔延美
关键词：太阳质子事件太阳耀斑日冕物质抛射信息增益率LOGISTIC回归
太阳质子事件短期预报模型研究
2010年
太阳质子事件预报是空间天气预报的重要组成部分。在太阳活动预报研究中,针对开发预报方法研究问题,已有的太阳质子事件预报模型主要采用统计和神经网络的方法。为了提高预报精度和准确率,选用了支持向量机和K近邻相结合的方法(称为SVM-KNN方法)建立太阳质子事件预报模型。模型选择的预报因子除了已有质子事件预报模型选用的传统太阳活动区黑子特征参量,还加入太阳活动区磁场参量。仿真预报采用2002年和2004年的数据,结果证明采用预报模型具有较高的报准率,证明SVM-KNN方法是一种有效的太阳活动预报方法。
李蓉崔延美贺晗
关键词：太阳质子事件耀斑
基于自动特征提取方法的太阳耀斑预报模型被引量：3
2016年
在太阳耀斑预报模型中,首先需要从原始观测数据中提取刻画太阳活动区特性的物理特征参量,然后使用统计或机器学习方法寻找物理特征参量与太阳耀斑发生的关系,以达到建立太阳耀斑预报模型的目的.其中,太阳活动区物理特征的提取在整个建模过程中发挥着重要的作用,活动区物理特征的优劣直接决定着预报模型性能的高低.然而,随着机器学习技术的发展,机器学习方法中的深度学习算法能够从原始数据中自动提取特征,并建立预报模型.本文利用深度学习方法建立了一个太阳耀斑预报模型.与先提取活动区物理参量、再建立预报模型的传统机器学习方法相比较,本文所建立的预报模型具有更好的预报性能.
李蓉朱杰黄鑫崔延美
关键词：太阳耀斑太阳活动区磁场特征
一种计算机太阳活动预报系统
一种计算机太阳活动预报系统，在包含带人机界面的服务器和海量数据库的系统中，设有一个预报模块，包括基于ARIMA模型建立的射电流预报模型、基于SVM的质子预报模型和基于多元判别模式的耀斑预报模型，预报模块中还有网站自动数据...
王华宁李蓉贺晗杜占乐崔延美张丽云张桂清何玉林
文献传递
全选 清除 导出
共3页<123>
聚类工具0