“了解日冕物质抛射在日冕以及行星际的传播和演化过程，预报日冕物质抛射是否到达地球轨道及何时到达地球轨道，是空间天气领域关注的重要课题。”论文通讯作者、中国科学院国家空间科学中心研究员沈芳介绍。

　　利用搭载于太阳与日光层观测台(SOHO)卫星上的大角度和光谱日冕仪的观测数据，美国国家航空航天局的研究人员手工整理了1996年至今的日冕物质抛射观测目录。该目录记载了每一次日冕物质抛射事件的时间、位置角、角宽度、速度等，是日冕物质抛射相关研究的重要基础数据。

　　“然而，面对海量的数据，手工识别存在着耗时费力的缺点，自动识别日冕物质抛射成为空间天气研究的热点。”沈芳说。

　　此次，科研人员提出了基于机器学习的日冕抛射物质识别与参数获取方法。首先，科研人员基于大角度和光谱日冕仪的图像数据，训练了一个能够判别图像内是否有日冕物质抛射的卷积神经网络模型；随后，利用主成分分析方法提取神经网络的特征图中的信息，获取了能够展示每一张观测图像中日冕物质抛射位置的共定位图；最后，根据不同图像中日冕抛射物质区域的形状、位置等特征，获取了日冕抛射物质的速度、角宽度以及中央位置角等信息。

　　“与日冕抛射物质手工目录以及部分经典自动识别方法相比，基于机器学习的日冕抛射物质识别与参数自动获取方法效率高、速度快，能够识别较为微弱的日冕抛射物质信号，并给出准确的日冕抛射物质的形态信息。”沈芳说。