基于FA-GAN的极光卵强度建模OA

极光卵的极光强度能够直观反映极光粒子沉降的分布特征,是研究磁层动力学以及空间环境的重要物理参量,对理解磁层、电离层、热层及其耦合关系具有重要意义。研究发现,部分空间物理参数与极光强度密切相关,但目前并没有明确的数学关系,而神经网络可以通过映射关系建模两者的关系。因此,本文基于Polar卫星的紫外极光图像数据,利用NASA OMNI数据库中与极光卵强度相关的6个空间物理参数,构建1996年12月—1997年1月的极光卵强度数据集。利用基于文本到图像的特征感知生成式对抗网络(Feature-Aware Generative Adversarial Network,FA-GAN)构建物理参数到极光卵强度的预测模型。利用4个评价指标(KL散度、结构相似度(structure similarity,SSIM)、Inception Score(S_(IS))和Frechet Inception Distance(D_(FID)))对极光强度预测模型进行性能评估。结果显示,基于FA-GAN方法的极光强度预测模型预测结果对应的SSIM、S_(IS)以及D_(FID)明显优于现有的极光强度预测模型。