5轮上述操作，让每次操作的训练集和测试集数据都不一样。这样得到的25个 MD值取平均后即为最终结果（附图3)。MD值越小越好。可以看出，最好的是回归模型2 的结果，极向边界最佳预测出现在15MLT处，误差为1.31MLAT，平均误差为1.69M1AT，而对 赤道向边界，最佳预测出现在24MLT处，为I. 29MLAT，平均误差为I. 77MLAT。
[0114] (2)定性评价：除了上述定量评价之外，附图4还给出了极坐标系下6幅UVI图像， 读者可以从视觉上比较极光卵的真实边界（白色阴影区域）、SFCM自动分割得到的边界点 (白色圆点）及运用回归模型3得到的预测边界（菱形黑点）三者之间的差异，由此定性评 价本发明的方法效果。其中回归模型3的回归方程为：
[0115] MLAT = cO+cl · VB2+c2 · VPdyn+c3 · Ekl+c4 · Ez+c5 · AE
[0116] 回归建模后得到的极向和赤道向边界如下：（其中VB2、VPdyn、Ekl、Ez由于参数的 单位原因，回归建模前参数值除以了 100)，详见表1和表2。
[0117] 表1 0100-2400MLT时刻回归模型3的极向边界回归模型系数
[0118]
CN 105118047 A 说明书 10/10 页
【主权项】
1. 基于行星际和地磁参数的极光卵边界位置预测方法，其特征在于，包括以下步骤： 步骤1 :选取Polar卫星拍摄到的UVI极光图像，并对UVI极光图像预处理，以消除噪 声点、移除无效背景像素； 步骤2 :对预处理后的UVI极光图像中的极光卵边界进行提取； 步骤3 :利用NASAOMNI数据，并根据每幅极光图像发生的UT时间，得到每个极光卵边 界点对应的行星际和地磁参数； 步骤4 :对步骤2获得的极光卵边界数据结合步骤3获得的行星际和地磁参数值进行 筛选，去除无效边界点，构建有效数据集； 步骤5 :根据步骤4得到的有效数据集，用一元线性回归模型，对赤道向和极向极光卵 边界位置进行建模，因变量取赤道向或极向极光卵边界的地磁炜度值，自变量取行星际和 地磁参数； 步骤6 :根据步骤5建立的极光卵边界位置模型，对任意给定的行星际和地磁条件，能 够预测出此条件下的赤道向和极向极光卵边界位置。2. 根据权利要求1所述的基于行星际和地磁参数的极光卵边界位置预测方法，其特征 在于，步骤1中对UVI极光图像预处理的方法为： 步骤1. 1 :移除UVI极光图像中炜度低于50度的区域； 步骤1. 2 :掩膜：根据UVI极光图像外边界呈椭圆状的特点，用直径为228像素的圆去 截取经过步骤1. 1处理后的UVI极光图像，并从中间把宽度限制到200像素，最后图像大小 为 228*200 ; 步骤1. 3 :清除经步骤1. 2处理后的UVI极光图像中像素值为负值的点； 步骤1. 4 :将经过步骤1. 3处理后的UVI极光图像中面积小于50个像素，极光强度大 于整幅图像灰度均值加3倍方差的区域的像素值重置为整幅图像像素的灰度均值。3. 根据权利要求1所述的基于行星际和地磁参数的极光卵边界位置预测方法，其特征 在于，步骤2中对UVI极光图像中极光卵边界进行提取的方法为： 步骤2. 1 :利用包含空间信息的模糊c均值聚类方法将UVI极光图像聚成6类； 步骤2. 2 :根据聚类结果把UVI极光图像分割为极光卵区和背景区域； 步骤2.3 :对聚类后出现的与周围区域类别不同的区域，用其周围邻域的类别信息对 其进行平滑处理； 步骤2. 4 :获取极光卵边界并将其映射到磁地方时-地磁炜度坐标系下。4. 根据权利要求3所述的基于行星际和地磁参数的极光卵边界位置预测方法，其特征 在于，步骤2. 2中根据聚类结果把UVI极光图像分割为极光卵区和背景区域的准则为：将强 度最小的2个或3个聚类簇视为背景区域，其他则为极光卵区。5. 根据权利要求1所述的基于行星际和地磁参数的极光卵边界位置预测方法，其特征 在于，步骤3中所述的行星际参数包括行星际磁场三分量Bx、By、Bz和太阳风动压Pdyn、太 阳风速度Vp、太阳风密度Np;地磁参数包括极光电集流指数AE、极盖指数PC。6. 根据权利要求5所述的基于行星际和地磁参数的极光卵边界位置预测方法，其特征 在于，步骤5中建立的模型为： MLAT=aO+al?Bx+a2 ?By+a3 ?Bz+a4 ?Pdyn+a5 ?Vp+a6 ?Np 其中，a〇-a6表示此模型的回归系数，Bx，By，Bz为行星际磁场的三分量，Pdyn，Vp，Np分 别为太阳风动压、速度和密度。7.根据权利要求5所述的基于行星际和地磁参数的极光卵边界位置预测方法，其特征 在于，步骤5中建立的模型为： MLAT = bO+bl ? Bx+b2 ? By+b3 ? Bz+b4 ? Pdyn+b5 ? Vp+b6 ? Np+b7 ? AE+b8 ? PC+b9 ? Ekl 其中，b〇-b9表示此模型的回归系数，Bx，By，Bz为行星际磁场的三分量，Pdyn，Vp，Np分 别为太阳风动压、速度和密度，AE为极光电集流指数，PC为极盖指数，Ekl为Kan-Lee电场， 它与行星际参数之间的关系为：其中9取值方法为： 若Bz>0，By> = 0，9=arctan(|By|/Bz); 若Bz〈 = 0，By>0，9 =arctan(|Bz|/By+Ji/2); 若Bz〈0, By〈= 0，9 = arctan(| By |/| Bz |+it); 若Bz> = 0, By〈0，9 = arctan (Bz/ | By | +1. 5 it ); 若Bz = 0, By = 0，9 = 0。8. 根据权利要求5所述的基于行星际和地磁参数的极光卵边界位置预测方法，其特征 在于，步骤5中建立的模型为： MLAT = cO+cl ? VB2+c2 ? VPdyn+c3 ? Ekl+c4 ? Ez+c5 ? AE 其中，c〇-c5表示此模型的回归系数，VB2为行星际磁场磁能通量，VPdyn为太阳风动能 通量，Ekl为Kan-Lee电场，Ez为南北电场，AE为极光电集流指数；VB2、VPdyn、Ez与行星际 参数之间的关系为：VPdyn=Vp?Pdyn Ez = By ? Vp〇9.根据权利要求5所述的基于行星际和地磁参数的极光卵边界位置预测方法，其特征 在于，步骤5中建立的模型为： MLAT = dO+dl ? Bx+d2 ? By+d3 ? Bz+d4 ? Vp+d5 ? Np+d6 ? AE 其中，d〇-d6表示此模型的回归系数，Bx，By，Bz为頂F的三分量，Vp，Np分别为太阳风 速度和密度，AE为极光电集流指数。10.根据权利要求5所述的基于行星际和地磁参数的极光卵边界位置预测方法，其特 征在于，步骤5中建立的模型按24个磁地方时分别做回归分析，步骤6中用于预测极光卵 边界数据与步骤5中建模所用的极光卵边界数据均属于步骤4得到的有效数据集且不重 叠；步骤6中采用相同地磁环境下用模型预测的极光卵边界炜度与实际极光卵边界之间的 平均绝对误差用来评价模型好坏。
【专利摘要】本发明公开了一种基于行星际和地磁参数的极光卵边界预测方法，根据行星际和地磁环境对所有磁地方时处的赤道向、极向极光卵边界的地磁纬度进行估计，可以用于空间天气研究中对极光卵边界位置的预测。其实现步骤有：(1)UVI图像预处理；(2)极光卵边界自动分割；(3)行星际和地磁参数获取；(4)数据集构建；(5)回归建模；(6)极光卵边界位置预测；(7)预测结果评价。根据实验结果，本发明方法能以约1.7MLAT的平均绝对误差精度较为准确地预测极光卵边界位置，在空间天气预测方面具有非常大的实用价值。
【IPC分类】G06T7/60, G06T7/00
【公开号】CN105118047
【申请号】CN201510416582
【发明人】杨秋菊, 马骁, 辛经纬
【申请人】陕西师范大学
【公开日】2015年12月2日
【申请日】2015年7月15日