本研究では、宇宙天気イベントの予測を目的として、太陽活動領域の磁気図をデータソースとした機械学習モデルの開発を行った。
データ収集では、NASAのSDO(Solar Dynamics Observatory)から太陽活動領域の磁気図を、NASAのDONKI(Space Weather Database Of Notifications, Knowledge, Information)からイベントの発生時期を取得した。データセットの作成にあたっては、イベントの発生日を1日前にずらし、太陽フレア、地磁気嵐、コロナ質量放出の発生が重複する日を抽出した。また、イベントが発生しなかった日のデータも収集し、バランスの取れたデータセットを構築した。
モデルには、4つの畳み込み層と4つのプーリング層を持つ独自のCNNアーキテクチャを採用した。学習時には、少数クラスの合成サンプルを生成するSMOTE法を適用し、クラスの不均衡を改善した。
評価の結果、本モデルは90.27%の正解率、85.83%の精度、91.78%のRecall、92.14%のF1スコアを達成した。クラス別の評価でも、太陽フレアと地磁気嵐の予測精度が高く、コロナ質量放出の予測精度が若干低い傾向にあった。
今後の課題としては、コロナ質量放出の予測精度向上や、イベントの強度予測などが考えられる。本研究の手法は、宇宙天気予報の精度向上に貢献できると期待される。
To Another Language
from source content
arxiv.org
Viktige innsikter hentet fra
by Shlesh Sakpa... klokken arxiv.org 05-07-2024
https://arxiv.org/pdf/2405.02545.pdfDypere Spørsmål