Kongjian kexue xuebao (Jun 2024)

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

  • 王 听雨,
  • 罗 冰显,
  • 陈 艳红,
  • 石 育榕,
  • 王 晶晶,
  • 刘 四清

DOI
https://doi.org/10.11728/cjss2024.03.2023-0107
Journal volume & issue
Vol. 44
pp. 478 – 486

Abstract

Read online

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.

Keywords