基于深度贝叶斯神经网络和MLOps的太阳耀斑预测代码
Jiameng Lv ; Peng Jia ; Yiwei Shi ; Song Yu ; Feng Chen ; Yang Guo ; Tie Liu ; Kaifan Ji ; Zhenyu Jin ; Jiaben Lin ; Qi Hao ; Yang Wang ; Shupei Chen
FlareCast 是一个基于深度贝叶斯神经网络 (BNNs) 和 MLOps 的端到端业务化太阳耀斑预报系统。该系统利用 SDO/HMI 矢量磁图序列，提供未来 12、24 及 48 小时最大 X 射线通量的概率分布预报。系统自 2024 年起持续运行。(a) 文件类型与格式（Python 脚本）模型训练:model.py: 定义 CNN-LSTM-BNN 混合模型架构。main.py / main_finetuning.py: 模型从头训练与微调。main_test.py: 性能评估（精度、召回率、MAPE 等）。analy_cam.py: 生成 Grad-CAM 注意力图，实现预测可视化。数据处理: datasetMake.py 将 SHARP FITS 文件处理为训练用时间序列特征。实时预报: Real_Time_Sun_Flares_Predict/ 包含 NRT 数据获取、模型偏移监控及 Flask API 服务。(b) 核心依赖Python 3.9+, PyTorch ≥ 2.0, SunPy ≥ 5.0, Astropy, Scikit-learn, Flask 等。(c) 用途与应用场景本代码库实现了概率性耀斑预报流程，支持用户：使用历史 SHARP 数据训练自定义 BNN 模型。自动下载近实时数据执行预测。通过注意力图解读模型决策逻辑。目标用户：空间天气预报员、太阳物理学家及机器学习研究者。(d) 论文章节与代码对应关系论文章节对应模块§3 数据管理datasetMake.py§4.1 模型架构model.py§4.2 可视化analy_cam.py§4.3 性能评估main_test.py§5 MLOps/更新main_finetuning.py & 监控脚本数据说明：训练权重与数据集已存档于国家天文科学数据中心 (NADC)。实时预报地址: https://nadc.china-vo.org/flarecast
文件
SolarFlares_Code.rar
34.14 MB
论文信息
论文标题:
FlareCast: A Solar Flare Forecasting System Utilizing Deep Bayesian Neural Networks and the Concept of Machine Learning Operations
发表期刊:
The Astrophysical Journal Supplement Series (ApJS)
标识符
CSTR:
11379.11.101661
DOI:
10.12149/101661
VO Identifier:
ivo://China-VO/paperdata/101661
发布时间:
2026-02-06
使用统计
总下载量
190
引用
Jiameng Lv et al. 2026. Solar Flare Forecasting Code Based on Deep Bayesian Neural Networks and the Concept of Machine Learning Operations. 版本 1.0. https://doi.org/10.12149/101661
@misc{10.12149/101661,
doi = {10.12149/101661},
url = {https://doi.org/10.12149/101661},
author = {Jiameng Lv},
title = { Solar Flare Forecasting Code Based on Deep Bayesian Neural Networks and the Concept of Machine Learning Operations},
version = {1.0},
publisher = {Nataional Astronomical Data Center of China},
year= {2026}
}
doi = {10.12149/101661},
url = {https://doi.org/10.12149/101661},
author = {Jiameng Lv},
title = { Solar Flare Forecasting Code Based on Deep Bayesian Neural Networks and the Concept of Machine Learning Operations},
version = {1.0},
publisher = {Nataional Astronomical Data Center of China},
year= {2026}
}
版本