一項(xiàng)新的研究表明，計(jì)算機(jī)可以學(xué)習(xí)在大量太陽(yáng)圖像中查找太陽(yáng)耀斑和其他事件，并幫助NOAA預(yù)報(bào)員及時(shí)發(fā)出警報(bào)。由CIRES和NOAA國(guó)家環(huán)境信息中心(NCEI)的科學(xué)家開(kāi)發(fā)的機(jī)器學(xué)習(xí)技術(shù)可以搜索大量衛(wèi)星數(shù)據(jù)，以挑選出對(duì)太空天氣具有重要意義的特征。太陽(yáng)和太空條件的變化會(huì)影響地球上的各種技術(shù)，從而阻礙無(wú)線電通信，損壞電網(wǎng)并降低導(dǎo)航系統(tǒng)的準(zhǔn)確性。

“能夠?qū)崟r(shí)處理太陽(yáng)數(shù)據(jù)非常重要，因?yàn)樘?yáng)爆發(fā)的耀斑會(huì)在幾分鐘內(nèi)影響地球。這些技術(shù)提供了快速，不斷更新的太陽(yáng)特征概述，并可以指出需要進(jìn)一步審查的領(lǐng)域。” Rob Steenburgh是位于博爾德的NOAA太空天氣預(yù)報(bào)中心(SWPC)的預(yù)報(bào)員。

這項(xiàng)研究發(fā)表在10月的《空間天氣與空間氣候雜志》上。

為了預(yù)測(cè)太空進(jìn)入的天氣，預(yù)報(bào)員每天兩次總結(jié)太陽(yáng)的當(dāng)前狀況。如今，他們使用帶有各種太陽(yáng)特征(包括活動(dòng)區(qū)域，細(xì)絲和日冕孔邊界)的手繪地圖。但是太陽(yáng)成像儀每隔幾分鐘就會(huì)產(chǎn)生一組新的觀測(cè)結(jié)果。例如，NOAA的GOES-R系列衛(wèi)星上的太陽(yáng)紫外線成像儀(SUVI)的運(yùn)行周期為4分鐘，每個(gè)周期收集六個(gè)不同波長(zhǎng)的數(shù)據(jù)。

僅跟上所有這些數(shù)據(jù)可能會(huì)花費(fèi)很多預(yù)測(cè)者的時(shí)間。NCEI的CIRES科學(xué)家，論文的合著者之一丹·西頓(Dan Seaton)說(shuō)：“我們需要工具來(lái)將太陽(yáng)能數(shù)據(jù)處理成可消化的塊。”CIRES是科羅拉多博爾德大學(xué)的一部分。

因此，NCEI CIRES科學(xué)家CU Boulder的計(jì)算機(jī)科學(xué)研究生，研究的主要作者J. Marcus Hughes創(chuàng)建了一種計(jì)算機(jī)算法，該算法可以同時(shí)查看所有SUVI圖像并發(fā)現(xiàn)數(shù)據(jù)中的模式。休斯與他的同事們創(chuàng)建了一個(gè)帶有專(zhuān)家標(biāo)簽的太陽(yáng)圖數(shù)據(jù)庫(kù)，并使用這些圖像教計(jì)算機(jī)確定對(duì)預(yù)報(bào)很重要的太陽(yáng)特征。休斯說(shuō)：“我們沒(méi)有告訴它如何識(shí)別這些特征，而是要尋找的東西-耀斑，冠狀孔，明亮的區(qū)域，細(xì)絲和突出物。計(jì)算機(jī)將學(xué)習(xí)如何通過(guò)算法學(xué)習(xí)。”

該算法使用決策樹(shù)方法識(shí)別太陽(yáng)特征，該決策樹(shù)方法遵循一組簡(jiǎn)單規(guī)則以區(qū)分不同特征。它一次檢查一個(gè)像素的圖像，并確定例如該像素是比某個(gè)閾值更亮還是更暗，然后再將其發(fā)送到樹(shù)的樹(shù)枝下。重復(fù)進(jìn)行直到在樹(shù)的最底部，每個(gè)像素僅適合一個(gè)類(lèi)別或特征(例如，耀斑)。