极光卵和太阳风、磁层、电离层以及它们间的耦合过程有密切的联系,其边界和强度是重要的地球物理参数。因此,建立准确的极光卵边界和强度预测模型对空间物理的研究具有重要意义。在地球磁层活动强烈时,极光卵夜侧区域出现点亮膨胀然后恢复正常水平的极光活动事件,称为极光亚暴。极光亚暴对人类活动有很大影响。基于此,本文针对极光卵的建模方法以及极光活动事件即极光亚暴的预测方法展开详细的分析与研究。针对现有模型对极光卵边界预测准确率不高的问题,本文提出了基于神经网络的极光卵边界预测模型。文中以空间环境参数作为输入,分别利用误差反向传播(BP)神经网络和广义回归神经网络(GRNN)建立了极光卵边界的非线性预测模型。实验结果表明,基于广义回归神经网络的极光卵边界模型提高了极光卵边界预测准确率。针对目前极光卵强度预测模型中预测准确率低的问题,本文提取了合理的极光卵强度特征并利用广义回归神经网络对极光卵强度特征建模。实验结果表明,基于广义回归神经网络和网格化特征的极光卵强度预测模型可较为准确的预测极光卵的强度分布。针对已有极光卵强度预测模型中需要提取合理的极光强度特征,影响极光卵强度预测准确率的问题,提出了基于生成式对抗网络的极光卵强度预测模型,避免了提取极光强度特征的过程。为使模型预测结果和真实数据更加一致,在网络的损失函数中增加了L1正则项和结构相似度损失函数项。通过生成式对抗网络的对抗训练学习,得到极光卵强度预测模型。实验结果表明,基于生成式对抗网络的极光卵强度模型提高了极光卵强度预测的准确率。针对目前基于极光图像的亚暴检测方法不适用于时间分辨率低、空间分辨率高的中低轨卫星数据的问题。本文提出了一种基于高分辨率紫外极光卵图像的亚暴预测方法。本文通过判断极光图像中是否含有西行浪涌结构判断极光图像是否处于亚暴发生阶段。实验结果表明,基于高分辨率紫外极光卵图像的亚暴预测方法在一定程度上解决了低时间分辨率极光图像的亚暴预测问题。