机器学习太阳风驱动尾瓣中的磁层对流
太阳与恒星天体物理
2022-02-10 v2 地球与行星天体物理
机器学习
空间物理
摘要
为在全局尺度定量研究磁尾尾瓣中磁层对流的驱动机制，我们利用深尾中 ARTEMIS 航天器与近尾中 Cluster 航天器的数据。先前工作表明，在月球附近的尾瓣中，可利用 ARTEMIS 对月球离子速度的测量来估计对流。本文中，我们用机器学习模型分析这些数据集，以确定何种上游因素驱动不同磁尾区域的尾瓣对流，从而理解控制尾瓣动力学的机制。结果显示机器学习模型预测与测试对流速度的相关性（>0.75）远优于多元线性回归模型（约 0.23 - 0.43）。系统分析揭示行星际磁场（IMF）与磁层活动在影响全球磁尾尾瓣等离子体对流中起重要作用。
引用
@article{arxiv.2202.01383,
title = {Machine Learning Solar Wind Driving Magnetospheric Convection in Tail Lobes},
author = {Xin Cao and Jasper S. Halekas and Stein Haaland and Suranga Ruhunusiri and Karl-Heinz Glassmeier},
journal= {arXiv preprint arXiv:2202.01383},
year = {2022}
}