外辐射带增强与耗尽事件的机器学习可解释性
空间物理
2024-01-12 v1
摘要
我们利用可解释机器学习方法研究了外辐射带电子通量对不同太阳风与地磁指数的响应。我们重建了 19 次增强事件与 7 次耗尽事件期间的电子通量变化，并首次对叠合历元结果进行了特征归因分析。我们发现，初始下降后亚暴序列的强度与持续时间决定了电子通量的整体增强或耗尽，而太阳风压力在两类事件中均驱动了初始下降。来自含 71 个事件的数据集的进一步统计结果证实了这一点，并显示出所得通量水平与平均 AL 指数间的显著相关性，表明观测到的“耗尽”事件更准确地应描述为“非增强”事件。我们新颖的 SHAP 增强叠合历元分析（SHESEA）方法可用作各类物理系统中的洞察发现工具。
引用
@article{arxiv.2307.09192,
title = {Machine Learning Interpretability of Outer Radiation Belt Enhancement \& Depletion Events},
author = {Donglai Ma and Jacob Bortnik and Qianli Ma and Man Hua and Xiangning Chu},
journal= {arXiv preprint arXiv:2307.09192},
year = {2024}
}