شرارههای خورشیدی از مهمترین پدیدههای انفجاری در سامانهی خورشیدی هستند که در اثر آزادسازی ناگهانی انرژی مغناطیسی در نواحی فعال خورشید رخ میدهند و میتوانند آثار قابلتوجهی بر محیط فضایی پیرامون زمین، سامانههای مخابراتی، ماهوارهها و شبکههای توزیع انرژی داشته باشند. از این رو پیشبینی بهموقع و دقیق این رویدادها یکی از مسائل بنیادین در فیزیک خورشید و هوافضای خورشیدی به شمار میرود. با وجود پیشرفتهای گسترده در رصدهای خورشیدی و توسعهی مدلهای نظری، پیشبینی شرارهها همچنان با چالشهای اساسی روبهرو است که از پیچیدگی دینامیک میدان مغناطیسی خورشید و ماهیت غیرخطی این پدیده ناشی میشود. در این پژوهش، رویکردهای مختلف پیشبینی شرارههای خورشیدی در قالب چند دستهی اصلی شامل روشهای آماری و کلاسیک، روشهای مبتنی بر ویژگیهای مغناطیسی، روشهای یادگیری ماشینی، روشهای یادگیری عمیق، مدلهای مبتنی بر شبیهسازی فیزیکی، روشهای پردازش تصویر و رویکردهای دادهمحور نسل جدید مورد بررسی و مقایسه قرار گرفتهاند. برای هر دسته، ساختار نظری، نحوهی استخراج ویژگیها، سازوکار تصمیمگیری مدل و نقاط قوت و ضعف آنها تحلیل شده و نتایج پژوهشهای معتبر منتشرشده در این حوزه از منظر شاخصهای ارزیابی عملکرد مقایسه گردیده است. نتایج این بررسی نشان میدهد که اگرچه مدلهای آماری کلاسیک همچنان چارچوبی شفاف و تفسیرپذیر فراهم میکنند، اما در مواجهه با رفتارهای پیچیده و غیرخطی خورشید محدودیت دارند. در مقابل، روشهای یادگیری ماشینی و بهویژه یادگیری عمیق توانستهاند با بهرهگیری مستقیم از دادههای تصویری و مغناطیسی، الگوهای پنهان و روابط پیچیده را بهتر استخراج کنند و در بسیاری از مطالعات به عملکرد پیشبینی بالاتری دست یابند. با این حال، مدلهای فیزیکی همچنان نقش مهمی در تبیین سازوکارهای بنیادی ایفا میکنند و ترکیب دانش فیزیکی با روشهای دادهمحور میتواند مسیر مؤثری برای بهبود پیشبینیها باشد. این پژوهش با ارائهی یک تحلیل جامع و مقایسهای از رویکردهای مختلف، تصویری یکپارچه از وضعیت کنونی پیشبینی شرارههای خورشیدی فراهم میکند و زمینهای برای توسعهی مدلهای دقیقتر و قابلاعتمادتر در مطالعات آینده مهیا میسازد
