一种基于多个深度学习算法的耀斑预测方法

本发明公开了一种基于多个深度学习算法的耀斑预测方法，首先进行数据清洗，处理缺失值和异常值，并且划分数据集，再使用Min‑Max归一化增强模型数值稳定性。鉴于磁场特征众多，采用XGBoost进行特征选择。为解决数据集中的类别不平衡问题，先通过SMOTE生成少数类样本，再通过欠采样减少多数类样本，从而平衡正负样本比例。接着，将数据分别输入1DCNN、TCN和LSTM模型，利用加权平均法融合三者的预测结果，得到最终的预测结果。该方法利用多种深度学习技术表达序列数据特征，通过综合处理实现对耀斑更准确的预测，提高了耀斑预测效率和准确率，为空间探索与活动提供重要保障。