基于一种新型神经网络（势学习）的地磁活动与太阳风参数关系研究
摘要
基于原位太阳风观测预测地磁条件，可使我们规避源自太阳的大电磁扰动所带来的灾害，从而挽救生命并保护经济活动。在本研究中，我们旨在使用一种称为势学习（PL）的可解释神经网络，考察代表全球磁层活动水平的 Kp 指数与太阳风条件之间的关系。基于神经网络的数据分析难以解释；然而，PL 通过关注“输入神经元的势”进行学习，并能识别网络显著利用了哪些输入。利用 PL 的全部优势，我们提取了在南向行星际磁场（IMF）条件下扰动磁层的有影响的太阳风参数。PL 的输入参数为 1998 年至 2019 年间从 OMNI 太阳风数据库获取的地球日心黄道（GSE）坐标系下的 IMF 三个分量（Bx、By、-Bz(Bs)）、太阳风流速（Vx）和质子数密度（Np）。此外，我们根据 Kp 水平将这些输入参数分为两组（目标）：Kp = 6- 至 9（正目标）和 Kp = 0 至 1+（负目标）。负目标样本经随机选取，以确保正、负目标数量相等。PL 结果显示，在南向 IMF 条件下，太阳风流速是使 Kp 升高的一个有影响的参数，这与先前关于 Kp 指数与太阳风速度之间统计关系以及基于 IMF 和太阳风等离子体参数的 Kp 公式的报道十分吻合。基于这一新型神经网络，我们旨在构建更准确且依赖于参数的空间天气预报模型。
引用
@article{arxiv.2203.04546,
title = {Investigation of the Relationship between Geomagnetic Activity and Solar Wind Parameters Based on A Novel Neural Network (Potential Learning)},
author = {Ryozo Kitajima and Motoharu Nowada and Ryotaro Kamimura},
journal= {arXiv preprint arXiv:2203.04546},
year = {2022}
}
备注
This PDF is including the manuscript with 18 pages, 4 figures, 3 tables, and 1 graphical abstract. This paper has submitted to Earth, Planets and Space (EPS) and is under review. Also this paper has two corresponding authors: Ryozo Kitajima, and Motoharu Nowada. These two authors equally contribute to completing this paper