Core Concepts
太陽風データを使用して地球影響イベントを予測し、機械学習アプローチで最も予測力の高い特徴を評価する。
Abstract
研究は、長期時系列に適したLong-Short Term Memoryリカレントニューラルネットワークを使用して、2005年から2019年までの1つ以上の太陽サイクルで取得された太陽風プラズマと磁場のin-situ測定を分析する。
地磁気活動指数SYM-Hが−50 nT未満に低下する1時間前を予測する二値分類問題としてアプローチされており、強いクラスの不均衡問題に対処している。
ニューラルネットワーク予測モデルに関与する最も関連性の高い特徴をランキング付けするために相関駆動型特徴選択方法が使用されている。
このアプローチは、地球磁気嵐の発生時刻を正確に予測し、実際の警告を提供するために採用されている。
セグメント1: ABSTRACT
太陽風データから地球影響イベントを予測し、機械学習技術を活用して地磁気嵐の発生時刻を正確に予測することが目的。
ニューラルネットワーク訓練フェーズで適切なスキルスコアを最適化するために適切な損失関数が使用されている。
セグメント2: INTRODUCTION
宇宙天候科学は、太陽-地球相互作用が地球周辺空間環境に与える影響を調査し、主要な太陽嵐やその他重大なリスク要因を予測することに焦点を当てている。
セグメント3: DATASET
2005年から2019年までの7888319分間取得された多宇宙船間パラメータと地上で計測された地磁気活動指数から成るデータセットが使用されている。
セグメント4: PREDICTION AND FEATURE RANKING
LSTMリカレントニューラルネットワークが採用され、相関駆動型特徴ランキング手法が特徴選択および評価に使用されている。
セグメント5: RESULTS
LSTMリカレントニューラルアーキテクチャは、SYH-M値が−50 nT未満である可能性が高くなった1時間前まで91%および82%のTSSで効果的な警告提供能力があることが示唆されている。