日冕物质抛射(Coronal Mass Ejection,CME)的检测是建立CME事件库和实现对CME在行星际传播的预报的重要前提.通过Visual Geometry Group(VGG)16卷积神经网络方法对日冕仪图像进行自动分类.基于大角度光谱日冕仪(Large Angle and Spectro...
详细信息
日冕物质抛射(Coronal Mass Ejection,CME)的检测是建立CME事件库和实现对CME在行星际传播的预报的重要前提.通过Visual Geometry Group(VGG)16卷积神经网络方法对日冕仪图像进行自动分类.基于大角度光谱日冕仪(Large Angle and Spectrometric Coronagraph Experiment,LASCO)C2的白光日冕仪图像,根据是否观测到CME对图像进行标记.将标记分类的数据集用于VGG模型的训练,该模型在测试集分类的准确率达到92.5%.根据检测得到的标签结果,结合时空连续性规则,消除了误判区域,有效分类出CME图像序列.与Coordinated Data Analysis Workshops(CDAW)人工事件库比较,分类出的CME图像序列能够较完整地包含CME事件,且对弱CME结构有较高的检测灵敏度.未来先进天基太阳天文台(Advanced Space-based Solar Observatory,ASO-S)卫星的莱曼阿尔法太阳望远镜将搭载有白光日冕仪(Solar Corona Imager,SCI),使用此分类方法将该仪器产生的日冕图像按有无CME分类.含CME标签的图像将推送给中国的各空间天气预报中心,对CME进行预警.
提出了基于抽象解释框架自动合成数组程序不变式的方法,它能够分析按照特定顺序访问一维或者多维数组的程序,然后合成不变式.该方法将性质(包括区间全称量词性质和原子性质)集合作为抽象域,通过前向迭代数据流分析合成数组性质.证明了该方法的正确性和收敛性,并通过一些实例展示了该方法的灵活性.开发了一种原型工具,该工具在各种数组程序(包括competition on software verification中的array-examples benchmark)上的实验展示了方法的可行性和有效性.
暂无评论