空间中心举办第三十七期学术沙龙

　　2020年6月11日，中国科学院空间环境态势感知技术重点实验室、空间天气学国家重点实验室、科技处和研究生部联合举办了空间中心第三十七期学术沙龙——基于机器学习的空间天气研究和预报。本期沙龙以近日启动的“太阳风暴识别和预警人工智能挑战赛”为牵引，邀请在该领域取得优秀研究成果的空间中心科研人员进行学术交流。本次沙龙进行了网络直播，吸引了中心在读研究生、相关院校科研人员和学生上百人在线交流。

　　本次沙龙的召集人罗冰显研究员介绍了《太阳风暴识别和预警人工智能挑战赛》的举办背景、挑战赛题和奖励设置。该挑战赛中科院国家空间科学中心和中科院空间环境态势感知技术重点实验室承办，征集和选取能够有效用于太阳风暴预警的机器学习方法，为空间天气事件预报提供新思路、新方法和新技术。

　　李晖研究员做了《基于机器学习的太阳风分类新方法及其在空间天气预警中的应用》的报告，利用国际上流行的10种机器学习分类算法，开发了一种自动识别太阳风类型的新方法，基于13维共计8191种太阳风探测量及导出量组合，确定了分类效果最优的8维参数空间（BT-Np-Tp-Vp-Nap-Texp/Tp-Sp-Mf），高效而准确地识别出CHOP、SBP、SRRP、EJECT四种典型类型的太阳风，并获得比以往经验模型更好的分类效果。

　　王晶晶副研究员做了《基于机器学习的太阳耀斑预报研究》的报告，利用机器学习方法，改进了传统的太阳耀斑爆发先兆因子，提取了新颖的太阳耀斑爆发先兆因子。改进的先兆因子能更好的区分强耀斑/非强耀斑，统计量F评分超出了传统因子数倍，并成功地将预报提前量提高到72小时。

　　杨易博士做了《基于ANN技术和多种观测数据的HISS模型及其在近地太阳风环境研究预报中的应用》的报告，利用多种观测数据和理论模型，发展了一种基于ANN技术的HISS模型。利用此模型计算了2007至2016年的1AU太阳风速度，结果显示与观测较吻合。模型还可预测到68% 的高速流事件。将HISS模型用于3D IN-TVD MHD模型的输入，对2007年CR2062时期的行星际太阳风进行模拟，可以很好的模拟出三维行星际太阳风的大尺度观测特征。

　　学术沙龙现场气氛轻松、交流热烈，到场和在线的中心科研人员、学生与各位报告专家进行了积极的讨论。

　　（供稿：环境室、天气室、科技处、研究生部）