≥2MeV电子通量预测模型

少样本学习提升预报

该模型通过少样本学习和预训练策略，在数据有限条件下显著提升地球静止轨道高能电子通量的预测精度。

Sun, Xiaojing · 林瑞淋 · 刘思情 · 罗冰显 · Shuai, Liu · Xuan, Dong

Space Weather 2025

参数信息

预测效率

0.925

相对论电子增强事件日预测成功率

96.9 %

多日事件首日警报数

41

技术优势

训练数据少也能跑

少样本学习策略使模型仅用少量样本即可适应新任务，在数据稀缺场景下仍保持高预测效率。

极端事件也能预报

该模型对相对论电子增强事件具有高捕捉能力，能提前一天发出警报，为卫星防护争取时间。

预训练带来额外提升

在高分辨率数据上预训练后微调，模型预测效率进一步提升，适合有相关任务数据的机构。

应用场景

• 卫星在轨防护：提前预警高能电子增强，供卫星运营方关机或切换安全模式。
• 空间天气预报：以日尺度预报地球静止轨道高能电子通量，补充现有业务模型。
• 高能电子环境监测：用历史遥测数据训练模型，间接监测高能电子环境动态。
• 空间辐射效应评估：提供电子通量预报，作为卫星内部充电风险评估的输入。