Operational Solar Flare Forecasting System Using an Explainable Large Language Model

Xuebao Li

doi:10.1029/2025SW004879

Operational Solar Flare Forecasting System Using an Explainable Large Language Model

2026-02-19

0

OA

AI

DOI：10.1029/2025SW004879

原文链接

查看原文

摘要

En 中文

本研究聚焦于预测可能严重影响近地环境的大规模（M级）太阳耀斑。我们利用空间天气HMI活动区斑块（SHARP）构建两种类型的数据集，并基于大型语言模型（LLM）开发了耀斑预测网络（LLMFlareNet）。我们应用SHapley加性解释（SHAP）来解释模型预测。我们基于LLMFlareNet模型开发了一个业务预测系统。我们采用日模式，在相同活动区（AR）编号和预测日期下，使用每日业务观测数据，比较不同业务预测系统的性能。主要结果如下。（a）通过消融实验和与基线模型的比较，LLMFlareNet在混合AR的十折交叉验证（CV）数据集上取得了最佳TSS分数0.720±0.040。（b）通过全局和局部SHAP分析，我们发现R_VALUE是LLMFlareNet预测中最具影响力的物理特征，这与耀斑磁重联理论一致。（c）在日模式下，LLMFlareNet在单/混合AR数据集上取得了TSS分数0.680/0.571（分别为0.689/0.661），显著优于NASA/CCMC（SolarFlareNet）。本研究首次将大型语言模型作为具有可解释性方法的通用计算引擎应用于该领域，并首次比较了日模式下的业务耀斑预测系统。所提出的基于LLMFlareNet的系统较现有系统展现出显著改进。

Keyword:

solar activity

solar flares

solar active region magnetic fields

astronomy data analysis

Operational Solar Flare Forecasting System Using an Explainable Large Language Model

摘要

AI总结

期刊

机构

引用论文