使用多变量时间序列分类器对太阳能级粒子事件进行精确且准确的短期预测
太阳与恒星天体物理
2024-08-13 v1 空间物理
摘要
太阳能级粒子 (SEP) 事件是空间天气中最重要的议题之一，需要使用鲁棒的方法进行持续监测和预测。我们展示了在覆盖太阳周期 22、23、24 的多变量时间序列数据集上使用数据驱动的监督分类框架的概念验证。我们实现了集成建模，将来自三个质子通道 (E≥10 MeV、50 MeV、100 MeV) 和来自气象卫星站任务的长波 X 射线通道 (1-8Å) 的结果进行整合。我们的任务是二分类，模型旨在区分强 SEP 事件与非事件。强 SEP 事件指超过太空天气预报中心“S1”阈值的太阳辐射暴走和质子流量低于该阈值的事件。此外，我们考虑在 C6.0 级以上闪热后未发生 SEP 的时段，以维持样本分布的自然失衡。在我们的数据集中，有 244 个强 SEP 事件构成正类样本。负类样本包括 189 个弱事件和 2460 个“SEP-安静”时段。我们实验了概括统计分类器、最近邻分类器和监督时间序列森林 (STSF)，并比较其性能，以验证预测窗口从 5 分钟到 60 分钟的预测方法。我们发现 STSF 在所有情况下性能更佳。对于约 0.3 的最优分类阈值和 60 分钟的预测窗口，我们获得：TSS = 0.850、HSS = 0.878、GSS = 0.783。
引用
@article{arxiv.2408.05590,
title = {Precise and Accurate Short-term Forecasting of Solar Energetic Particle Events with Multivariate Time Series Classifiers},
author = {Sumanth A. Rotti and Berkay Aydin and Petrus C. Martens},
journal= {arXiv preprint arXiv:2408.05590},
year = {2024}
}
备注
24 pages, 7 figures and 5 tables. arXiv admin note: text overlap with arXiv:2403.17418