中科院国家空间科学中心：基于逻辑回归和推荐算法的日冕物质抛射事件分析方法 | SPACE导读
基于逻辑回归和推荐算法
日冕物质抛射事件分析方法
日冕物质抛射 (Coronal Mass Ejections, CME) 是太阳释放能量的一种形式，也是影响空间天气的主要因素之一。大型 CME 事件会影响通信、导航、航空活动、电网运行等，为避免安全威胁和资产损失，如何准确判断CME会“撞上”还是“错过”地球以及如何预测CME的到达时间，相关研究至关重要。在Space: Science & Technology (《空间科学与技术》)新发表的文章中，中国科学院国家空间科学中心的石育榕研究团队建立了逻辑回归模型来预测CME是否会到达地球，并使用了推荐算法挑选出最相似的历史事件，从而为CME整体应对策略的设计提供技术支撑。
The experimental flow chart: three stages of the experimental process.
首先，作者从SOHO/LASCO CME 目录中收录的30321个CME事件中选取了数据样本。借助过采样技术处理了不平衡数据，并获得了181个正样本和 3486 个负样本。同时，通过收集角宽、中心位置角、测量位置角、初速度、末速度、20个太阳半径处速度以及质量等8个特征参数，构建了完整统一的无量纲数据集。
A halo CME that erupted on 2006 August 16 16 : 30 UT
然后，作者设计了仿真实验。将已经获得的3667个样本随机等分为两组，一组用于权重训练，另一组用于推荐测试。在权重训练阶段，作者使用了1466个样本作为训练集，基于逻辑回归和推荐算法的框架训练权重系数，而剩余数据作为验证集。之后，采用了Python的logit函数和LogisticRegression分类器这两种逻辑回归框架进行了性能对比，发现使用推荐算法来训练特征参数的权重耗时长，而逻辑回归的方法更容易获得权重。因此，作者提出将逻辑回归方法获得的权重应用于推荐算法，借助余弦距离和欧氏距离，来搜索与目标CME事件最相似的历史事件。结果表明，将逻辑回归权重应用于推荐算法的模型优于单独使用推荐算法的模型。
更多信息
官网链接：
https://spj.sciencemag.org/journals/space/
原文链接：
https://spj.sciencemag.org/journals/space/2022/9852185/
引用格式：
Yurong Shi, Jingjing Wang, Yanhong Chen, Siqing Liu, Yanmei Cui, and Xianzhi Ao, “Impacts of CMEs on Earth Based on Logistic Regression and Recommendation Algorithm”, Space: Science & Technology, Vol. 2022, Article ID 979128, 12 pages, https://doi.org/10.34133/2022/979128
● 想了解更多文章细节，或咨询投稿事宜，欢迎您联系SPACE编辑部：
Email: space@science-bitpjournal.org.cn
Tel: 010-68948375
我们会及时与您取得联系，谢谢！
公众号内容由Space: Science & Technology期刊编辑部撰写
编辑：田若曦
审核：李炳泉