一种用于地磁暴预报的机器学习与计算机视觉方法
机器学习
2022-04-13 v1 地球与行星天体物理
太阳与恒星天体物理
摘要
地磁暴是由太阳抛射出的带电粒子团引起的地球磁层扰动,是对现代技术不可控的威胁。值得注意的是,它们有可能损坏卫星并导致地球电网不稳定,以及其他灾害。它们源于太阳的高活动,而太阳高活动由称为太阳黑子的太阳低温区域诱发。预报地磁暴以预防灾害需要理解它们将如何以及何时发生。然而,美国国家海洋和大气管理局(NOAA)当前的预测方法存在局限,即它们依赖昂贵的太阳风航天器和全球尺度磁力计传感器网络。在本文中,我们提出了一种新颖的机器学习与计算机视觉方法,能够在无需此类昂贵物理测量的前提下准确预报地磁暴。我们的方法从太阳图像中提取特征,以建立太阳黑子与地磁暴分类之间的关联,并与NOAA的预测具有竞争力。事实上,我们的预测达到了76%的暴分类准确率。本文作为一个存在性证明,表明机器学习与计算机视觉技术为增强和改进现有地磁暴预报方法提供了有效手段。
引用
@article{arxiv.2204.05780,
title = {A Machine Learning and Computer Vision Approach to Geomagnetic Storm Forecasting},
author = {Kyle Domico and Ryan Sheatsley and Yohan Beugin and Quinn Burke and Patrick McDaniel},
journal= {arXiv preprint arXiv:2204.05780},
year = {2022}
}
备注
Presented at ML-Helio 2022